Cutmix はテーブルデータに対しても有効か？ - Qiita

初めに 通常，教師あり学習は，高精度を達成するため，十分な量のラベル付きデータを必要とします．しかし，人手による注釈は，非常に多くの時間と労力を要します．これを解決する方法の一つとして，人工的にデータをかさ増しするデータ拡張（data augmentation）があります． しかし，データ拡張は，画像ありきに語られることがほとんどで，テーブルデータに適用できる手法は，そう多くありません．そこで，本記事は，テーブルデータに適用できるデータ拡張を紹介し，実験を行い，それらの性能を検証します． Mixup mixup: Beyond Empirical Risk Minimization Mixup は，2017 年に提案された手法で，ICLR に採択されました．二つの入力を混ぜ合わせることで，新たな入力を生成します． import random as rn from sklearn.utils