提问人：faulbär 提问时间：9/28/2023 最后编辑：faulbär 更新时间：9/28/2023 访问量：30
如何称呼粗化数据的过程以使其更真实？
How would call the process of roughening Data to make it more realistic?
问：
在我目前的项目中，我使用合成网格数据，为了使其更逼真，我添加了噪声并省略了一些测量值，因为我不希望在真实网格中到处都有数据测量值。为了更好地捕获真实数据，是否有对合成数据进行粗加工的既定措辞？
到目前为止，我选择了“数据损伤”，但感觉不对，因为相对于现实世界的情况，生成的数据没有受损。另一方面，“数据增强”也不适合这一点，因为我没有通过这个过程获得更多数据。
举个例子： 假设我有一个三节点网格 A-B-C，在某个时间点，相应的（合成）电压矢量可能看起来像这样 [2， 5， 3]，但是在实际场景中，我可能在节点 B 没有测量值，并且在测量节点 A 和 C 时有一些噪声。所以手头的向量看起来更像是这样的：[2.1， 0， 2.9]。为了测试我的网络在现实世界中的适用性，我想在第二类数据上训练它，从而转换第一种数据。
答：
0赞
n-0
9/28/2023
#1
我没有具体的例子来说明你的数据的形状以及你计划如何处理它（DNN、回归等），我指的是数据科学堆栈交换中的以下问题。一般来说，在数据中添加噪声绝对是一种数据增强，以提高鲁棒性和减少过拟合，例如，在图像的亮度值中添加噪声，无论一天中的什么时间，图像识别算法的性能都更好。
省略数据通常是为了提取特征并产生更好的拟合（与前一种方法相反）。这有各种术语，仅举几例截断或功能选择。从这个意义上说，这两种方法都可以称为正则化，但截断的用途不同。也许运行一些测试来检查删除数据是否真的会产生更强大的结果。
评论
0赞
n-0
9/28/2023
别客气。我不确定您的情况是否有既定的术语，个人建议是“合成数据扰动”。
评论