(ج) زيادة البيانات هي تقنية تستخدم لزيادة تنوع البيانات المتاحة لنماذج التعلم الآلي التدريبي دون جمع بيانات جديدة، وهي تنطوي على تطبيق مختلف التحولات على البيانات الموجودة من أجل استحداث نسخ جديدة معدلة، وهذا النهج يساعد على تحسين قوة النماذج وتعميمها.

تقنيات تعزيز البيانات المشتركة

وتستخدم عدة تقنيات على نطاق واسع لزيادة البيانات، ولا سيما في تجهيز الصور، وتشمل هذه الأساليب ما يلي:

  • Rotation:] Rotating images by a certain degree range.
  • Scaling:] Resizing images while maintaining aspect ratio.
  • Flipping:] Mirroring images horizontally or spiritually.
  • Color Jitter:] Randomly changing brightness, contrast, or saturation.
  • Cropping:] Randomly cropping parts of the image.

حساب الأثر في مجال التقشف

ومن أجل تقييم فعالية الازدواج، تستخدم مقاييس مثل الدقة والدقة والتذكر، ويُعتبر مقارنة الأداء النموذجي قبل الازدياد وبعده بمثابة رؤية متعمقة لفوائده، مثلاً، إذا كانت مجموعة البيانات الأصلية تحقق درجة من الدقة 85 في المائة، وتحسن البيانات المعززة بنسبة 90 في المائة، فإن الزيادة تعتبر فعالة.

التنفيذ العملي

ويشمل تنفيذ زيادة البيانات اختيار التحولات المناسبة على أساس نوع البيانات والمشكلة، كما أن المكتبات مثل تينسروفلو وكيرا وبيتورتش تقدم وظائف مدمجة في مجال التعزيز، ومن الضروري تحقيق التوازن بين القوة المعززة لتجنب إيجاد بيانات غير واقعية يمكن أن تعوق التعلم النموذجي.

وتشمل الخطوات النموذجية تحديد معايير للزيادة، وتطبيق التحولات أثناء تحميل البيانات، والتحقق من صحة البيانات المعززة، ويكفل التنفيذ السليم زيادة تنوع البيانات دون المساس بنوعية البيانات.