Tăng cường dữ liệu (Data augmentation) là kỹ thuật tạo ra các biến thể mới từ tập dữ liệu hiện có (ví dụ: xoay, lật, phóng to ảnh) để tăng quy mô và tính đa dạng của dữ liệu huấn luyện. Điều này giúp mô hình học được các đặc trưng tổng quát hơn, từ đó giảm thiểu nguy cơ Quá khớp (Overfitting) (hiện tượng mô hình học thuộc lòng dữ liệu huấn luyện nhưng dự đoán kém trên dữ liệu mới).

• Feature scaling và Normalization là các kỹ thuật biến đổi phân phối dữ liệu số, không liên quan đến việc tạo thêm dữ liệu để chống quá khớp.

(Đáp án được gợi ý bởi AI)