詳細解釋
數據增強（Data Augmentation）是通過對現有數據進行變換生成新訓練樣本的技術，擴充數據集，提高模型泛化能力，減少過擬合。
圖像增強：
- 幾何變換：旋轉、翻轉、裁剪、縮放
- 顏色變換：亮度、對比度、飽和度
- 噪聲添加：高斯噪聲、椒鹽噪聲
- 高級：Cutout、Mixup、CutMix
文本增強：
- 同義詞替換
- 回譯（Back-translation）
- 隨機插入、刪除、交換
- EDA（Easy Data Augmentation）
- 生成式：GPT改寫
音頻增強：
- 時間拉伸、音高偏移
- 噪聲添加
- 頻譜變換
表格數據：
- SMOTE：合成少數類
- 加噪聲：特徵加小擾動
- 生成式：VAE、GAN生成
訓練時增強：
- 在線增強：每個epoch不同
- 隨機性：保持多樣性
- 可組合：多種變換組合
注意事項：
- 合理性：變換後數據仍合理
- 標籤不變：分類任務標籤保持
- 驗證集不增強：評估真實性能
數據增強是小數據集和防止過擬合的有效方法。