3. Mixup 데이터 증강 (Mixup Data Augmentation):

• 
• Mixup은 두 개의 서로 다른 훈련 샘플(예: 이미지나 텍스트 데이터)을 섞어서 새로운 샘플을 만드는 방법
• 구체적으로, Mixup은 두 샘플을 일정 비율로 섞습니다. 예를 들어, 한 이미지를 70% 비율로, 다른 이미지를 30% 비율로 섞어 새로운 이미지를 만듭니다.
• 이렇게 생성된 새로운 샘플에는 두 원본 샘플의 특징이 혼합되어 있어, 모델이 더 다양한 패턴을 학습할 수 있습니다.

사용 이유

• 훈련 과정에서 보지 못한 새로운 유형의 데이터에 대해서도 좋은 성능을 낼 수 있습니다. (generalization) overfitting 방지
  • 학습 데이터의 종류를 다양화하는 과정이므로.