基于 copula 的合成数据增强用于机器学习模拟器
机器学习
2021-09-28 v3 大气与海洋物理
摘要
我们能否用合成数据改进机器学习（ML）模拟器？如果数据稀缺或获取成本高，且存在物理模型，那么统计生成的 data 可能有助于低成本地扩充训练集。在此，我们通过在下行长波辐射的玩具物理模型及相应神经网络模拟器上测试方法，探索使用基于 copula 的模型在天气和气候中生成合成增强数据集。结果表明，对于 copula 增强的数据集，平均绝对误差的预测提升了高达 62%（从 1.17 降至 0.44 W m）。
引用
@article{arxiv.2012.09037,
title = {Copula-based synthetic data augmentation for machine-learning emulators},
author = {David Meyer and Thomas Nagler and Robin J. Hogan},
journal= {arXiv preprint arXiv:2012.09037},
year = {2021}
}
备注
Published version