Зачем нужен data augmentation?

Data augmentation — это метод искусственного увеличения объёма и разнообразия обучающих данных путём применения различных преобразований к исходным данным.

Зачем это нужно:

• Улучшение обобщающей способности модели за счёт большего разнообразия примеров.
• Снижение переобучения, так как модель видит больше вариантов данных.
• Возможность компенсировать недостаток реальных данных.

Пример: для изображений это могут быть повороты, отражения, изменение яркости, масштабирование и т.д. Например, если у вас есть 1000 изображений, после аугментации их может стать 5000, что помогает модели лучше учиться.