数据增强

数据增强是什么？

训练模型最缺的永远是数据——标注又贵又慢。数据增强（Data Augmentation）的思路很朴素：已有的每一份数据，能不能「一变多」？翻转一下图片、给句子换个说法、给音频加点噪声，就得到一批「本质相同、样子不同」的新样本，让模型见识更广、学得更牢。

它为什么有用？

防止「死记硬背」
数据太少，模型容易把训练样本硬背下来，一碰到新东西就露馅。增强后的多样样本逼它去学真正通用的规律。
让模型更「皮实」
看过各种变形、噪声、遮挡之后，模型对真实世界的干扰更有抵抗力。
花小钱办大事
不用再花大价钱去标注新数据，只需一点点计算量，就能把训练集规模翻几倍。

常见的增强手法

图像
翻转、旋转、裁剪、调色、加噪声、模糊——一张猫的照片能变出几十张。
文本
同义替换、回译（翻译过去再翻译回来）、随机插入或删除、让大模型改写。
语音
变速、加背景噪声、改变音量，模拟不同录音环境。

它有什么坑？

增强不是越狠越好：改过头会让标签失真——比如把「6」旋转 180 度就变成了「9」。所以增强的强度必须和任务匹配，还得保证新样本的标签仍然正确。

一句话记住：数据增强就是「把一份数据变出好几份」，用廉价的方式让模型见多识广、更抗干扰。