增强数据通过影响机器学习模型泛化到未见过的真实世界数据的能力，来影响测试集。数据增强——对训练数据应用旋转、裁剪或噪声注入等转换——帮助模型学习对这些变化不变的模式。但是，测试集必须保持未增强（即原始的、有代表性的数据）才能准确衡量模型性能。如果增强的训练数据与可能的真实世界场景一致，则模型在测试集上的表现可能会更好。但是，如果增强引入不切实际的失真，测试性能可能会下降，因为模型学习了不相关的模式。
例如，在图像分类中，使用随机旋转和翻转增强训练数据可以帮助模型从不同角度识别对象。在未经修改的图像上进行测试时，该模型可能会更好地处理方向变化。同样，在文本任务中，向训练句子添加同义词或拼写错误可以提高模型对拼写变化的鲁棒性。但是，过度增强——例如应用真实图像中永远不会出现的极端旋转——可能会误导模型。一个在过度增强的 X 射线（例如，不切实际的角度）上训练的医学成像模型可能会在真实的测试数据上失败，因为它学会了依赖于人工特征。关键是确保增强反映了合理的真实世界变化。
开发人员必须通过严格检查测试集性能来验证增强策略。如果测试准确率意外下降，可能表明增强数据偏离了测试分布。例如，一个在过度背景噪声下训练的语音识别模型可能会在测试集中难以处理干净的音频。为了避免这种情况，请使用特定领域的增强（例如，为车载语音助手添加汽车噪声）并保持测试集原始。通过平衡真实的增强和公正的测试，开发人员可以构建能够有效泛化而不会过度拟合人工数据的模型。