DATA Augmentation 数据增强

最近遇到一个新的概念，data augmentation。翻译叫做数据增强

增强数据，简单来说，是增强数据在训练中的作用，这么理解应该比较符合我们的习惯。

比如说，我们有一个set的数据，但是这些数据对于实际的训练来说其实是不够的。但是我们只有这么多数据，要怎么办呢？只能在这个基础上进行操作，我们可以对基础数据进行一系列操作，例如：放大，翻转，加噪声等，就得到了更多的数据。同时也增强了数据的多样性。

目的：1，增加数据集的大小

2，一定程度上避免过拟合

额，稍微有点无奈，这个没什么东西怎么那么多人看。之前和牛津大学的一个同学讨论，觉得数据增强其实没有什么很复杂的理论，其根本宗旨是在给定有限的数据集上对数据进行各种“变化”使其增多。而这个变化要尽可能的合理，更像是自然生成的。

一般来说，大家第一次接触这个概念是图像识别分类上，所以更多的是放大，旋转拉之类。但实际对于语音，文字来说，可以有错别字，可以有鬼画符，可以有说错的音，外界的噪声，这些都可以加到原先的有限数据集中。这个就需要具体问题具体分析了。