昨天看了大佬的直播，介绍比赛经验（https://live.bilibili.com/21689802）。期间老师说，数据增广是调整、优化模型后每什么可做的时再做的事。这是什么意思？用GAN生成训练数据到底有没有意义？记得某金融大佬批评量化投资的一个观点就是：用系统输出的数据当输入是不合理的。那么蒙特卡洛出来的符合分布特征的数据到底能不能用于训练模型？
谢谢，现在我也这么认为了。后来又看了些文章，拓宽了思路。
我个人认为数据增强是为了提高泛化的一种手段，收集的数据成本很高，通常是有限的，难以覆盖所有的模式，比如可能都是白天采集的，都是某个视角拍的，会有一定的局限性但是测试集往往不会是那么干净的分布，通过增强引入了更多的模式进去，泛化性会更好从而产生更好的测试性能
谢谢，现在我也这么认为了。后来又看了些文章，拓宽了思路。
我个人认为数据增强是为了提高泛化的一种手段，收集的数据成本很高，通常是有限的，难以覆盖所有的模式，比如可能都是白天采集的，都是某个视角拍的，会有一定的局限性但是测试集往往不会是那么干净的分布，通过增强引入了更多的模式进去，泛化性会更好从而产生更好的测试性能