数据增强

简介

数据增强（Data Augmentation，DA），又称数据增广、数据扩增。

数据增强是一种通过算法扩展训练数据的技术，主要用于解决机器学习中的小样本问题。其核心原理是利用现有数据生成相似样本，从而扩大数据集规模，提升模型训练效果。

数据增强是一种在机器学习（尤其是深度学习）中广泛使用的技术，通过对原始训练数据进行一系列随机变换，生成新的、多样化的训练样本，从而在不实际收集新数据的前提下扩大训练集的规模和多样性。其核心目标是提升模型的泛化能力、减少过拟合，并增强模型对真实世界中各种变化的鲁棒性。

工具支持

• 图像：
  TensorFlow（tf.keras.layers.RandomFlip）、 PyTorch（torchvision.transforms）、 Albumentations（高性能增强库）

• 文本：
  nlpaug、TextAttack

• 音频：
  Librosa、torchaudio.transforms

• 时间序列：
  Tsaug