Czy stosowano metody zwiększania próbki lub wiercenia danych?

Tak, aby zwiększyć próbkę i poprawić jakość danych, stosowałem metody augmentacji i imputacji danych. Na przykład, w zadaniach przetwarzania obrazów, używałem technik augmentacji — obroty, skalowanie, zmiana jasności — aby zwiększyć różnorodność zbioru treningowego bez zbierania nowych danych. W zadaniach z danymi tabelarycznymi stosowałem metody syntetycznego powiększania próbki, takie jak SMOTE, aby wyrównać klasy. Używałem także technik imputacji danych do uzupełniania brakujących wartości, np. średnią lub metodami KNN, co pozwalało zachować maksymalną ilość danych do trenowania modeli.