如果有足夠的訓(xùn)練數(shù)據(jù)，機器學(xué)習(xí)模型可以表現(xiàn)出色。不幸的是，對于許多應(yīng)用程序來說，對高質(zhì)量數(shù)據(jù)的訪問仍然是一個障礙。

解決這個問題的一個方法是“數(shù)據(jù)增強”，這是一種從現(xiàn)有的訓(xùn)練樣本中生成新的訓(xùn)練樣本的技術(shù)。數(shù)據(jù)增強是一種在數(shù)據(jù)約束環(huán)境下提高機器學(xué)習(xí)模型性能和準確性的低成本和有效的方法。

機器學(xué)習(xí)模型的“過度擬合”

當機器學(xué)習(xí)模型在有限的例子上進行訓(xùn)練時，它們往往會“過度擬合”。當機器學(xué)習(xí)模型對其訓(xùn)練示例執(zhí)行準確，但不能推廣到未見數(shù)據(jù)時，就會發(fā)生“過度擬合”。

在機器學(xué)習(xí)中有幾種方法可以避免“過度擬合”，比如選擇不同的算法、修改模型的結(jié)構(gòu)和調(diào)整參數(shù)。但最終，解決“過度擬合”的主要方法是向訓(xùn)練數(shù)據(jù)集添加更多高質(zhì)量數(shù)據(jù)。

例如，考慮卷積神經(jīng)網(wǎng)絡(luò)(CNN)，這是一種機器學(xué)習(xí)架構(gòu)，特別適合于圖像分類任務(wù)。如果沒有大量多樣的訓(xùn)練例子，CNN最終會在現(xiàn)實世界中對圖像進行錯誤分類。另一方面，如果CNN接受不同角度和不同光照條件下的物體圖像訓(xùn)練，它在現(xiàn)實世界中識別物體的能力會變得更加強大。

然而，收集額外的培訓(xùn)示例可能是昂貴的、耗時的，有時甚至是不可能的。這一挑戰(zhàn)在監(jiān)督學(xué)習(xí)應(yīng)用程序中變得更加困難，因為訓(xùn)練示例必須由人類專家標記。

數(shù)據(jù)增加

增加訓(xùn)練數(shù)據(jù)集多樣性的方法之一是創(chuàng)建現(xiàn)有數(shù)據(jù)的副本，并對其進行小的修改。這被稱為“數(shù)據(jù)增強”。

例如，假設(shè)在圖像分類數(shù)據(jù)集中有20張鴨子的圖像。通過創(chuàng)建鴨子圖像的副本并水平翻轉(zhuǎn)它們，您已經(jīng)將“鴨子”類的訓(xùn)練示例增加了一倍。您可以使用其他轉(zhuǎn)換，如旋轉(zhuǎn)、剪切、縮放和轉(zhuǎn)換。您還可以結(jié)合這些轉(zhuǎn)換來進一步擴展獨特的訓(xùn)練示例集合。

數(shù)據(jù)擴充不需要局限于幾何操作。添加噪點、改變顏色設(shè)置和其他效果(如模糊和銳化濾鏡)也可以幫助將現(xiàn)有的訓(xùn)練示例作為新的數(shù)據(jù)。

數(shù)據(jù)擴充的例子

數(shù)據(jù)增強對于監(jiān)督學(xué)習(xí)特別有用，因為您已經(jīng)有了標簽，不需要額外的工作來注釋新的示例。數(shù)據(jù)增強對于其他類型的機器學(xué)習(xí)算法也很有用，如無監(jiān)督學(xué)習(xí)、對比學(xué)習(xí)和生成模型。

數(shù)據(jù)增強已經(jīng)成為訓(xùn)練計算機視覺應(yīng)用的機器學(xué)習(xí)模型的標準實踐。流行的機器學(xué)習(xí)和深度學(xué)習(xí)編程庫具有易于使用的函數(shù)，可以將數(shù)據(jù)增強集成到機器學(xué)習(xí)訓(xùn)練管道中。

數(shù)據(jù)增強不僅局限于圖像，還可以應(yīng)用于其他類型的數(shù)據(jù)。對于文本數(shù)據(jù)集，可以用它們的同義詞替換名詞和動詞。在音頻數(shù)據(jù)中，可以通過添加噪聲或改變播放速度來修改訓(xùn)練示例。

數(shù)據(jù)擴充的限制

數(shù)據(jù)增強并不是解決所有數(shù)據(jù)問題的靈丹妙藥。您可以將其視為機器學(xué)習(xí)模型的免費性能增強器?；谀哪繕藨?yīng)用程序，您仍然需要具有足夠示例的相當大的訓(xùn)練數(shù)據(jù)集。

在某些應(yīng)用程序中，訓(xùn)練數(shù)據(jù)可能太過有限，無法通過數(shù)據(jù)擴充來提供幫助。在這些情況下，必須收集更多的數(shù)據(jù)，直到達到最小閾值，才能使用數(shù)據(jù)增強。有時，您可以使用遷移學(xué)習(xí)，即您在一個通用數(shù)據(jù)集(例如ImageNet)上訓(xùn)練機器學(xué)習(xí)模型，然后通過微調(diào)其針對目標應(yīng)用程序的有限數(shù)據(jù)的更高層次來重新利用它。

數(shù)據(jù)增強也不能解決其他問題，比如訓(xùn)練數(shù)據(jù)集中存在的偏差。數(shù)據(jù)擴充過程還需要進行調(diào)整，以解決其他潛在的問題，例如類不平衡。

如果使用得當，數(shù)據(jù)管理可以成為機器學(xué)習(xí)工程師工具箱中的一個強大工具。