讓機器學習模型泛化得更好的最好辦法是使用更多的資料進行訓練。當然，在實踐中，我們擁有的資料量是很有限的。解決這個問題的一種方法是建立假資料並新增到訓練集中。對於一些機器學習任務，建立新的假資料相當簡單。對分類來說這種方法是最簡單的。分類器需要一個複雜的高維輸入 x，並用單個類別標識 y 概括 x。這意味著分類面臨的一個主要任務是要對各種各樣的變換保持不變。我們可以輕易通過轉換訓練集中的 x 來生成新的 (x; y) 對。

目前在做過的影象處理裡面比較多，常見有對資料幾何變換，灰度處理等！但旋轉的時候也需要特別注意，比如，數字6和9在手寫中旋轉就…….

常見的幾何變換有:（1）翻轉,（2）平移（3）部分置黑
水平翻轉，豎直翻轉！其實翻轉也不是隨意翻轉的，要根據實際情況來翻轉，比如，關於人臉，你上下翻轉了就變成倒的人臉了，這個就沒有了實際意義，如果是左右翻轉了，也沒有太大的實際意義，因為人臉是對稱的，你翻轉之後還是一樣的！但是對於那些沒有對稱結構的物體圖片，你做翻轉還是挺有作用的，就相當於有兩條資料了啊！