36、高级数据标注与增强：合成数据、创建与融入模型策略

高级数据标注与增强：合成数据、创建与融入模型策略

1. 合成数据、数据创建与数据增强概述

在机器学习领域，合成数据、数据创建和数据增强是解决数据问题的重要手段。目前，信用卡号码扫描是一个广泛使用纯合成数据的案例。当你在手机应用中添加信用卡号码时，可选择拍照识别而非手动输入。识别信用卡号码的模型很可能基于纯合成数据构建，无需人工标注。

信用卡号码最初是结构化数据，印在实体卡上，拍照后成为受限问题，即对 16 位数字的重构。由于隐私和安全问题，没有大规模的公开扫描信用卡数据集。而且，如果扫描失败，用户通常也愿意手动输入卡号。

大多数使用合成数据的应用仍需要一些数据标注，以下是一些常用的补充人工标注的策略：
- 数据创建 ：让标注者创建数据是解决数据不足的有效方法。在语音数据创建中，这种方法很常见；对于文本数据，它能填补数据空白。尽管生成的文本不如自然文本真实，但总比没有数据好。
- 数据增强 ：在计算机视觉中，常见的数据增强技术包括翻转、裁剪、旋转、变暗等，以增加训练数据的多样性。在自然语言处理（NLP）中，也有类似的技术，如用同义词替换单词、反向翻译和掩码语言建模。

2. 数据创建

数据创建有多种方式，包括人工创建和自动化创建。
- 人工创建数据 ：以疾病爆发数据集为例，让标注者想象自己正在经历疾病爆发，使用基于规则的系统为每个标注者生成不同的提示。规则会根据标注者是直接经历、目睹还是间接听说疫情，以及感染或暴露的人数等因素来变化提示，以获取尽可能多的多样性，克服人工文本的局限性。
-