--- title: "データ拡張（Data Augmentation）とは？画像AIの学習データを増やす方法【DS検定】" description: "データ拡張（Data Augmentation）とは、既存の画像データを変換して人工的に学習データを増やす手法です。DS検定で問われる定義、具体例、似た概念との違い、選択肢の見分け方を整理します。主要な混同パターンや実務での読み取り方も確認します。" canonical_url: "https://stemtazoo.github.io/ds/data-augmentation/" section: "ds" ---
DS検定トップ ＞ データ拡張（Data Augmentation）とは？画像AIの学習データを増やす方法【DS検定】
## まず結論 データ拡張（Data Augmentation）とは、既存の画像データを変換して人工的に学習データを増やす手法です。 DS検定では 学習データ不足の対策 過学習の防止 という文脈で出題されることがあります。 ## 直感的な説明 AIを学習させるときは 大量のデータ が必要になります。 しかし現実の問題では 医療画像 不良品画像 など データ数が少ない ケースがよくあります。 このとき 同じ画像を 回転する 左右反転する 拡大する などの変換を行い 新しいデータとして学習に使う方法 がデータ拡張です。 ## 定義・仕組み データ拡張とは 既存データを変換して学習データを人工的に増やす方法 です。 画像AIでは次のような変換がよく使われます。 回転（Rotation） 画像を回転させます。 例 10°回転 20°回転 など。 反転（Flip） 画像を左右または上下に反転します。 例 左右反転 上下反転 拡大・縮小（Zoom） 画像の一部を拡大して 異なる視点のデータを作ります。 明るさ変更 明るさやコントラストを変え 異なる環境条件を再現します。 ## どんな場面で使う？ データ拡張は 画像AIの学習で非常に重要な技術です。 データ不足の対策 学習データが少ない場合でも データ拡張によって 学習用データを増やすことができます。 過学習の防止 同じデータだけで学習すると AIは 特定の画像に過剰に適合 してしまうことがあります。 これを 過学習（Overfitting） と呼びます。 データ拡張により 多様なデータを学習させることで 過学習を防ぎやすくなります。 ## よくある誤解・混同 誤解① データ拡張＝新しいデータ収集 これは違います。 データ拡張は 既存データを変換して作る 方法です。 誤解② データが多ければデータ拡張は不要 実際には データ拡張を使うことで AIの汎化性能が向上する 場合があります。 DS検定のひっかけ DS検定では 「データ拡張は学習データを人工的に増やす方法」 という理解が重要です。 選択肢で 「データ拡張はテストデータを増やす方法」 と書かれていたら 誤り です。 データ拡張は 学習データに対して行います。 ## まとめ（試験直前用） データ拡張は 既存データを変換してデータ数を増やす方法 画像AIでは 回転 反転 拡大 明るさ変更 などが使われる 主な目的 データ不足対策 過学習防止 DS検定では データ拡張＝学習データを人工的に増やす技術 と覚えると判断しやすくなります。 ## 対応スキル項目（AI利活用スキルシート） スキルカテゴリ名 AIの技術理解 サブカテゴリ名 機械学習 ★ 代表的な機械学習手法の概要を理解している
🏠 DS検定トップに戻る