一种数据增强方式 mixup: BEYOND EMPIRICAL RISK MINIMIZATION

mixup: BEYOND EMPIRICAL RISK MINIMIZATION

这是ICLR2018的论文。
https://arxiv.org/abs/1710.09412

从本质上来说，mixup是在一对训练样本和标签的凸组合上训练神经网络。

众所周知，在监督学习中，训练样本是一对$(x_i,y_i)$。
mixup的做法就是随机抽取两个样本，然后对其进行插值。

代码也非常简单。

但是效果就是很好。还发了顶会。

mixup的做法，导致决策边界从一个类线性过度到另一个类，提供了一个更加平滑的不确定估计。