第 17 题：数据增强在表格数据中的有效方法，Mixup/CutMix 如何适配推荐场景？
题目
数据增强在表格数据中的有效方法，Mixup/CutMix如何适配推荐场景？
完整讲解
一、表格数据中的增强
- 数值特征：加噪声（高斯）、缩放、分桶扰动；或按样本插值（类似 Mixup）。
- 类别特征：替换为同分布采样、或同 field 内随机其他 ID（需约束语义）；dropout 部分特征。
- 序列特征：截断、打乱顺序、mask 部分行为、时间抖动。
- 行级：Mixup 在样本间做凸组合 $x’ = \lambda x_i + (1-\lambda)x_j$，$y’ = \lambda y_i + (1-\lambda)y_j$；对表格要区分数值（可插值）与类别（通常不直接插值，或只对 embedding 插值）。
二、Mixup 适配推荐
- 连续/Embedding 空间：在拼接后的稠密向量上做 Mixup（即对数值特征与 embedding 向量做 $\lambda x_i + (1-\lambda)x_j$），标签用 $\lambda y_i + (1-\lambda)y_j$（CTR 为软标签）。可提升泛化、平滑决策边界。
- 注意：ID 类特征不直接在离散空间 Mixup，而是先 embedding 再在向量空间 Mixup；或只对非 ID 部分 Mixup、ID 部分随机选其一。
三、CutMix 适配推荐
- CutMix 源自图像：裁剪一块区域、用另一张图同位置块替换。表格无「空间」概念，可类比为特征维度上的 mask：随机选一部分特征维度用样本 A、其余用样本 B，标签按比例混合。或对 embedding 的某些维度做「切块」混合。
- 推荐里更常见的是特征维度 dropout / 随机 mask（如随机丢弃部分 field），效果类似「部分用 A、部分用 B」的稀疏版，实现简单。
面试要点
- 表格增强：数值加噪/缩放；类别同分布替换或 dropout；序列截断/mask；行级 Mixup 在稠密/embedding 空间做。
- Mixup 推荐：对 concat 后的向量（或仅稠密+embedding）做插值，标签软标签；ID 不直接插值。
- CutMix：可类比为特征维 mask 或按维度混合；或简化为特征 dropout。
记忆要点
- 表格：数值噪声、类别替换/dropout、序列截断/mask；Mixup 在向量空间、软标签。
- 推荐 Mixup：embedding+稠密可插值；CutMix 可做特征维 mask。