一、背景

增加训练数据，肯定能解决过拟合问题，但是数据的获取往往是特别难的。故针对已有数据的数据增强应运而生。

二、数据增强

数据增强是一种生成合成数据的方法，通过调整原来样本来创建新样本，这样就可以获得大量的数据，这不仅增加了数据的大小，还提供了单个样本的多个变体，这有助于机器学习模型避免过度拟合。

三、操作方法举例

1、水平、垂直翻转（图片）

2、旋转角度（图片）

3、旋转，扭曲直线（数字）

4、增加噪点（图片-高斯噪声，音频-增加噪声）

5、擦除区域（图片）

6、颜色扰动（图片，更改颜色通道顺序）

7、调高调低（音频）

8、回译（back translation，文本处理：中文-> 日文 -> 英文 ----> 中文）

9、随机词替换（文本处理）

10、EDA（Easy data augmentation，同义词替换、随机插入、随机交换、随机阐删除）

• 同义词替换（SR）：选择非停止词，随机选择同义词替换
• 随机插入（IR）：选择非停止词，插入同义词，重复n次
• 随机交换（Random Swap）：交换单词位置
• 随机删除（RD）：以概率随机删除

四、示例

原文本：那辆车很好

SR：那辆车不错

IR：那辆不错车很好

RS：那辆不错车

RD：那车好