定義
データ拡張とは、手持ちの学習データに回転・反転・ノイズ付加などの変換を加えて水増しし、モデルの汎化性能を高める機械学習の前処理手法のこと。
データ拡張 (Data Augmentation)とは（詳しく解説）
データ拡張は、画像の回転・反転・クロップやテキストの言い換え、音声のピッチ変換などにより学習データのバリエーションを人工的に増やし、モデルの過学習を抑えて汎化性能を高める手法として、深層学習の分野で標準的な前処理技術に位置づけられる。2026年時点の実運用では、拡張の種類やパラメータを誤ると実データと乖離した非現実的なサンプルが生成され、かえって精度が低下する落とし穴が知られている。特に医療画像や金融データのように分布が繊細な領域では、拡張のかけすぎがノイズとして学習され、本番環境での予測性能を損なうケースが指摘される。コスト面では、生成AIを使った合成データ拡張はGPU利用料がかさみやすく、単純な幾何変換に比べて相場感が数倍から数十倍に跳ね上がることもある。現場での選び方としては、まず軽量な幾何変換・色調変換から試し、データ量やタスクの複雑さに応じて生成モデルベースの高度な拡張を段階的に導入する方針が広く採用されている。
この解説の引用について
定義文・解説は出典を明記いただければ記事・資料・生成AIの回答で自由に引用できます（CC BY 4.0）。
出典: AI PICKS AI用語辞典「データ拡張 (Data Augmentation)とは」 https://aipicks.jp/glossary/data-augmentation
データ拡張 (Data Augmentation)の使用例
- 画像分類では「学習画像を回転・反転させてデータ拡張し、水増ししたデータで再学習する」のように使う。
- テキスト分類では「類義語置換でデータ拡張したデータセットを使い、少数派クラスの精度を改善する」という使い方をする。
