样本增广 扩大样本数量

样本增广是一种通过对原始样本进行变换和扩充来增加样本数量的技术。它在深度学习中起到了重要的作用。样本增广的作用主要有两个方面。首先，增加训练的数据量可以提高模型的泛化能力。通过引入更多的样本，模型可以更好地学习到数据的分布特征，从而提高对新样本的预测能力。其次，样本增广可以增加噪声数据，从而提升模型的鲁棒性。通过对样本进行随机变换，模型可以更好地适应不同的输入情况，提高对噪声和变化的容忍度。

在文本数据中，样本增广的方法有所不同。传统的过采样技术主要基于数值样本，将文本转换为数值向量后进行采样。然而，文本的向量表示方法对于数学原理上的过采样技术并不合理。词袋模型的向量表示方法忽略了文本中文字的相对顺序，而词向量表示方法则更加常用。对于词袋模型来说，其向量表示是稀疏分布，与过采样技术中的高斯分布假设不符。因此，针对词袋模型的文本表示的过采样结果与原始向量存在较大差距，可能导致泛化效果差的问题。一种缓解这个问题的方法是使用降维技术，如LSA等。然而，目前还没有人尝试过这种方法的效果。

总之，样本增广是一种重要的技术，可以通过对原始样本进行变换和扩充来增加样本数量。在深度学习中，样本增广可以提高模型的泛化能力和鲁棒性。在文本数据中，样本增广的方法需要根据不同的文本表示方法进行调整，以提高效果。
#### 引用[.reference_title]
- *1* *3* [小样本数据增广学习笔记](https://blog.csdn.net/qq_34885993/article/details/118526566)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item]
- *2* [文本样本增广（4）— 基于复杂网络随机游走的过采样](https://blog.csdn.net/m0_63642362/article/details/125568550)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item]
[ .reference_list ]