좋은 모델을 만들려면 충분하고 균형 잡힌 데이터가 필요하다. 그런데 현실은 그렇지 않을 때가 많다. 희귀 질병 진단 데이터는 양성 샘플이 극소수이고, 사기 거래는 전체의 0.1%에 불과하며, 특정 클래스의 이미지는 몇 장밖에 없다. 이런 상황을 그대로 두면 모델은 다수 클래스만 잘 맞히고 정작 중요한 소수 클래스를 놓친다.
오늘은 부족한 데이터를 늘리는 **데이터 증강(augmentation)**과 합성(synthesis), 그리고 불균형 데이터 대응 기법(SMOTE 등)의 개념을 다룬다. MLS-C01은 코드 구현보다 "어떤 상황에 어떤 기법이 적절한가"를 묻는다.
데이터 증강은 기존 데이터를 변형해 새로운 학습 샘플을 만들어 내는 기법이다. 새 데이터를 수집하지 않고도 데이터셋의 다양성과 양을 늘려 모델의 일반화 성능을 높이고 과적합을 줄인다.
💡 관련 이론: 증강의 핵심 원리는 "레이블을 바꾸지 않는 변형"이다. 고양이 사진을 좌우 반전해도 여전히 고양이다. 즉 입력은 다양해지되 정답(레이블)은 유지되는 변형만 적용해야 한다. 이를 통해 모델은 "위치·각도·밝기가 달라도 본질은 같다"는 불변성(invariance)을 학습한다.
이미지는 증강이 가장 활발한 영역이다. 대표적 변형: