Técnicas de aumento de dados para conjuntos de dados gerais?

Em muitas aplicações de aprendizado de máquina, os chamados métodos de aumento de dados permitiram construir modelos melhores. Por exemplo, assuma um conjunto de treinamento de imagens de cães e gatos. Girando, espelhando, ajustando o contraste, etc., é possível gerar imagens adicionais a partir das originais.$100$

No caso de imagens, o aumento de dados é relativamente direto. No entanto, suponha (por exemplo) que se tenha um conjunto de treinamento de amostras e algumas centenas de variáveis ​​contínuas que representam coisas diferentes. O aumento de dados não parece mais tão intuitivo. O que poderia ser feito nesse caso?$100$

Entendo que essa pergunta envolva a construção de recursos e o manuseio da riqueza de recursos que você já possui + construirá, em relação às suas observações ( N << P).

Construção de recursos

Expandindo o comentário de @ yasin.yazici, algumas maneiras possíveis de aumentar os dados seriam:

• PCA
• Codificação automática
• Transformações como log, potências, etc.
• Classificando variáveis ​​contínuas em categorias discretas (ou seja, a variável contínua é 1 DP acima da média, 1 abaixo da média, etc.)
• Variáveis ​​compostas (por exemplo, veja aqui )

Tenho certeza de que há muito mais que estou perdendo.

Seleção de recurso / redução de dimensionalidade

Você pode reduzir a dimensionalidade com técnicas como o PCA (embora talvez não depois de aumentar seus dados com variáveis ​​do PCA). Como alternativa, você pode usar algoritmos que executam a seleção de recursos para você, como laço, floresta aleatória etc.

Eu enfrentei um problema semelhante em que eu queria aumentar dados numéricos não rotulados. Aumentei os dados da seguinte maneira: (Digamos que eu tenha um conjunto de dados de tamanho 100 * 10.)

1. Crie uma lista amostrando aleatoriamente valores de {0,1}, de modo que o número de zeros seja menor que o número de 1s, digamos que a proporção de 0s seja 20% nesse caso. Então, você terá uma lista de 0s e 1s de comprimento 100.
2. Use esta lista como uma variável dependente e a passou para smote para gerar mais pontos de dados. (Aqui, smote geraria pontos nas bordas que conectam os pontos de dados que correspondem a 0s na lista gerada).
3. Repita esse processo até que o conjunto de dados do tamanho necessário seja obtido.