Looking up...
在机器学习和数据科学中，通过对现有数据进行变换、扩充或合成，生成新的数据样本以增强数据集规模和多样性的技术方法
图像数据增强常用于计算机视觉任务，如旋转、翻转、调整亮度等操作。
计算机视觉任务中，图像数据增强通过旋转、镜像或亮度调整等方式扩展数据集。
文本数据增强可以通过同义词替换、回译或生成式模型实现。
文本数据增强常用同义词替换、回译或生成式AI来增加样本多样性。
数据增强是提升模型泛化能力的关键手段，但需避免引入噪声或偏见数据。
数据增强基于现有数据生成变体，而数据合成可能完全创造新样本（如GAN生成图像）。增强强调保留原始数据特征，合成则可能引入全新模式。
增强后的数据应保持与原始数据分布一致，避免引入不合理的噪声或异常值，否则可能损害模型性能。
由"数据"（shùjù，data）和"增强"（zēngqiáng，augmentation）组合而成，源于机器学习领域的术语，首次出现于2010年代中期。
常用于AI训练场景，需注意增强后数据的真实性与标签一致性。