Расширение данных

Расширение данных с помощью эластичных преобразований изображения

Расширение данных (англ. data augmentation) — одна из процедур искусственного увеличения объёмов данных, задействованных в задачах машинного обучения для тренировки классификационной схемы на основе нейронной сети.

Краткая информация

Расширение данных заключается в дополнении тренировочного массива синтетическими данными, сгенерированными на основе существующих данных с помощью какой-либо их трансформации. Как правило, расширение данных применяется в тех случаях, когда доступный объём тренировочной информации недостаточен для проведения эффективного машинного обучения нейронной сети. Полученные расширенные данные не следует путать с синтетическими данными, так как синтетические данные полностью генерируются искусственно, а расширенные — на базе реальной информации путём её непринципиальной в рамках решаемой задачи модификации.

В ряде случаев расширение данных позволяет внести в данные дополнительное разнообразие и уменьшить вероятность возникновения эффекта переобучения (оверфиттинга), таким образом осуществляя регуляризацию решения. Помимо этого, также повышается шанс обнаружения неявных закономерностей, которые могут не проявить себя на исходном тренировочном наборе.

Стандартные алгоритмы расширение данных представлены во многих библиотеках и различных программных пакетах обработки данных, таких как, например, TenzorFlow.

Источники

Одним из источников, использованных при создании данной статьи, является статья из википроекта «Руниверсалис» («Руни», руни.рф) под названием «Расширение данных», расположенная по адресу: — «https://руни.рф/index.php/Расширение_данных» Материал указанной статьи полностью или частично использован в Циклопедии по лицензии CC BY-SA. Всем участникам Руниверсалиса предлагается прочитать «Обращение к участникам Руниверсалиса» основателя Циклопедии и «Почему Циклопедия?».