哪些数据增强对超参数敏感及其原因

我们对数据集应用数据增强，以提升预测质量并使最终模型对噪声数据和领域漂移更具鲁棒性。然而问题依然存在：这些增强在不同超参数下表现如何？在本研究中，我们通过对应用不同增强的机器学习模型进行局部替代（LIME）解释，评估增强相对于模型超参数的敏感性及其一致性与影响。我们利用线性回归系数对每个增强进行加权。我们的研究证明，某些增强对超参数高度敏感，而另一些则更具鲁棒性与可靠性。