Konforme Datenaugmentation: Mehr Vertrauen, bessere Ergebnisse

In einer neuen Studie auf arXiv wird gezeigt, dass synthetische Datenaugmentation, die bisher vielversprechende Ergebnisse in vielen Bereichen erzielt hat, noch zuverlässiger werden kann, wenn sie mit konformer Vorhersage kombiniert wird. Durch die gezielte Filterung von generierten Beispielen wird die Varianz des Estimators reduziert, während der Bias minimal bleibt.

Der Ansatz, der als „konforme Datenaugmentation“ bezeichnet wird, nutzt die Prinzipien der konformen Vorhersage, um nur jene synthetischen Daten zu behalten, die mit hoher Wahrscheinlichkeit zur zugrunde liegenden Verteilung des Trainingssatzes passen. Dabei sind keine internen Logits des Modells oder umfangreiche Retrainings nötig – die Methode lässt sich einfach in bestehende Pipelines integrieren.

Die Autoren haben die Technik an verschiedenen Aufgaben getestet, darunter Themenklassifikation, Sentiment‑Analyse, Bildklassifikation und Betrugserkennung. In allen Fällen konnten sie die Leistung gegenüber unaugmented Baselines um bis zu 40 % im F1‑Score steigern und gegenüber anderen gefilterten Augmentationen um 4 % besser abschneiden.