评估训练机器学习模型所需数据量目前并没有一个定量的计算方式，往往要结合所在问题、模型结构等等实际情况来评估，需要反复的实验来最终决定所需数据量。当然这里说的数据量的前提是，每条数据之间的重复或相似度比较低。否则100条重复的数据会比10条不重复数据更没用，即必须是有效的数据。这种情况下通常来说，对数据量的要求就是韩信点兵，多多益善。数据量大小对于模型的影响主要在于泛化性，数据量越大模型泛化性越好。

其中决定数据量的两个重要因素，一是数据的复杂度或者说特征数目，二是模型的参数数目以及模型的结构。

数据的特征数目是指描述一个数据所需的特征维度，如一张100*100大小彩色图片的特征维度就是100*100*3=30000个特征数。而对一段文本的特征表示，如果用词袋模型表示的话，其特征数就是词典中所有词的数目。按照经验来说，对于特征数目很大的数据，往往需要大量的数据来训练模型，同时也意味着模型的参数也要很多。对于特征维数小的数据往往就使用简单的逻辑回归模型即可。但是对于特征维数多，但是现有的数据量少，可以选择使用基于树的集合模型，如adaboost、随机森林等等。而对于处理具有超多特征维度的数据，最直接的方法就是使用深度神经网络，如图片、文本等。

设计的模型参数越多，那么所需的数据量也要越大，大量实验表明两者之前存在线性关系。此外优良的模型结构能很大程度上减少参数的数目，达到更好的预测效果。比如对于提取图像特征来说，全连接就不如卷积层，后者参数数目还更少。

因此在决定所需数据量时，就需要反复实验，不断调整模型参数，判断模型是否存在过拟合等。根据具体情况来具体分析。

给一点经验性的解释吧，供参考。

对于一个模型所需要的最少训练数据量，可以从几个方面看：

1. 最重要的首先是数据的分布情况和可解释性强弱，若训练集的本身可以很好地分类标签，那么用小数据量的训练集和LR即可满足；
2. 很多情况下数据的隐含因子无法通过简单地特征工程表现出来，这时候就要搬出神经网络(NN)这种网络结构来自动组合特征，实际上在挖掘高维的隐含特征，如果隐含特征简单，那么数据量不用太大也可行，数据挖掘难度越大，所需要的数据量也就越大。

总的来说，数据分布越稀疏，数据表征越不清晰，那么所需要数据量越大。一个通俗例子就是想象你在沙漠里淘金子一样。当然这只是经验之谈，没有理论基础，我还是相信以后有更好的结构来代替现在的NN模型。