Dataförstärkning (Data augmentation) är en teknik som används inom maskininlärning för att öka mängden tillgänglig träningsdata genom att skapa nya exemplar från befintliga exempel.
Genom att använda olika typer av transformationer på befintliga data, som t.ex. spegling eller rotation, kan man skapa fler exempel som är liknande de ursprungliga exemplen. På så sätt kan man undvika överanpassning och förbättra modellens prestanda.
Exempel på dataförstärkningstekniker inkluderar spegling, rotation, skalning och brusning.