data augmentation
Főnév
data augmentation (tsz. data augmentations)
- (informatika, mesterséges intelligencia) Data Augmentation (adatbővítés) egy olyan technika az adattudományban és gépi tanulásban, amellyel a rendelkezésre álló tanulóadatok mennyiségét és változatosságát növelik mesterségesen. Ez különösen fontos akkor, amikor kevés adat áll rendelkezésre, vagy szeretnénk a modellt robosztusabbá, általánosíthatóbbá tenni.
1. Mi az adatbővítés célja?
- Több adat létrehozása a meglévő mintákból anélkül, hogy új valós adatokat kellene gyűjteni.
- A modell általánosításának javítása, hogy ne tanuljon meg csak a tanulóadatokra jellemző zajokat vagy korlátokat.
- Túlillesztés (overfitting) csökkentése, ami akkor fordul elő, ha a modell túl szorosan alkalmazkodik a tanulóadatokhoz.
2. Módszerek területenként
a) Képfeldolgozásban
- Forgatás, tükrözés, nagyítás, eltolás: a képek átalakítása különböző módokon.
- Zaj hozzáadása: például zajszűrés vagy véletlenszerű pixelek módosítása.
- Színtónusok, fényerő és kontraszt változtatása.
- Vágás, zoomolás: a kép részleteinek kiemelése vagy eltolása.
b) Szövegfeldolgozásban (NLP)
- Szókicserék: szinonimák vagy hasonló jelentésű szavak beillesztése.
- Mondatrészek átrendezése vagy szintaktikai módosítások.
- Fordítás és visszafordítás: az eredeti szöveg lefordítása más nyelvre, majd vissza.
- Random törlés vagy beszúrás a szövegben.
c) Hangfeldolgozásban
- Pitch vagy sebesség változtatása.
- Zaj hozzáadása vagy környezeti hangok szimulálása.
- Időbeli eltolás vagy hangerő módosítása.
3. Előnyök
- Hatékonyabb tanulás kis adatkészletekkel.
- Javított robosztusság különféle zajokra vagy változásokra.
- Költséghatékony alternatíva új adatok gyűjtésére.
- Növeli a modell teljesítményét és pontosságát.
4. Korlátok és kihívások
- Nem minden probléma esetén működik jól, például ha a módosítások nem életszerűek.
- Túlzott adatbővítés torzíthatja az eredeti eloszlást.
- Néha komplexebb módszerek szükségesek, például generatív modellek (GAN-ek) alkalmazása.
5. Generatív adatbővítés
Az utóbbi években a generatív modellek, például GAN-ek vagy variációs autoenkóderek, lehetővé tették, hogy teljesen új, mesterséges mintákat hozzunk létre, amelyek hasonlóak az eredeti adatokhoz, de nem másolják őket szó szerint.
6. Összegzés
Az adatbővítés fontos eszköz a gépi tanulásban, amely segít megerősíteni a modellek általánosító képességét, különösen korlátozott mennyiségű adat esetén. Számos egyszerű és összetett technika létezik, amelyek alkalmazásával jelentősen javítható a modell teljesítménye.
- data augmentation - Szótár.net (en-hu)
- data augmentation - Sztaki (en-hu)
- data augmentation - Merriam–Webster
- data augmentation - Cambridge
- data augmentation - WordNet
- data augmentation - Яндекс (en-ru)
- data augmentation - Google (en-hu)
- data augmentation - Wikidata
- data augmentation - Wikipédia (angol)