データ拡張

データ拡張とは、機械学習や深層学習において、限られた訓練データに特定の変換処理を施すことで、擬似的にデータセットの規模を拡大する手法を指します。英語ではデータオーギュメンテーションと呼ばれます。ニューラルネットワークなどのモデルを学習させる際、データ量が不足していると特定のパターンに過剰に適応してしまう過学習が発生しやすくなります。これを防ぐために、既存のデータに対して回転、反転、拡大縮小、色調補正、ノイズの付加といった加工を行い、多様なバリエーションを生成します。これにより、モデルが入力データのわずかな差異やノイズに対して頑健になり、未知のデータに対する予測精度である汎化性能を向上させることが可能となります。