趋近智
机器学习合成数据介绍
章节 1: 了解合成数据
什么是合成数据？
为何生成人工数据？
真实数据与合成数据
常用术语
潜在优势
一般限制
章节 2: 数据生成的基本方法
数据生成模型的构想
从统计分布生成数据
基于规则的系统简介
生成简单的数值数据
生成简单分类数据
动手实践：创建基本合成数据
章节 3: 生成合成表格数据
理解表格数据结构
行采样方法
独立列值生成
维护列的基本关联性
数据匿名化方法概述
动手实践：生成一个合成表格
章节 4: 介绍合成图像数据
图像数据为何需要合成？
图像的基本属性：像素与色彩
用简单形状和图案制作图像
施加噪声与简单数据增强
简单场景的渲染入门
生成真实感图像的困难
动手实践：生成简单的合成图像
章节 5: 评估合成数据质量
评估的重要性
视觉检查方法
基本统计比较
比较数据分布
保真度与实用性的理念
章节 6: 工具和库概览
软件在数据生成中的作用
用于基本数据操作的库 (NumPy, Pandas)
Faker 库简介
简单图像处理库 (Pillow, Scikit-image)
查找生成工具
一般限制
这部分内容有帮助吗？
- Synthetic Data Generation: A Review, Shanshan Wang, Yuze Li, Haifeng Wang, Xing Xie, Yong Li, 2021 IEEE Transactions on Big Data, Vol. 9 (IEEE) DOI: 10.1109/TBDATA.2021.3134976 - 这篇综述文章详细介绍了各种合成数据生成方法，并评估了它们的局限性，包括数据保真度、隐私问题和潜在偏差。
- The Reality Gap in Synthetic Data Generation, Avi Frid, Miri Dagan, 2021 IEEE Transactions on Knowledge and Data Engineering, Vol. 34 (IEEE) DOI: 10.1109/TKDE.2021.3129486 - 本文着重讨论“现实差距”挑战，即合成数据未能完全捕捉真实数据的细微特征，这可能影响后续模型的性能。
- How to Measure the Quality of Synthetic Data: A Survey, Eunsun Kim, Jinsuk Kim, Seungjoo Lee, Minsun Kim, 2021 Applied Sciences, Vol. 11 DOI: 10.3390/app112110186 - 这项调查提供了评估合成数据保真度和实用性的指标与方法的概述，直接解决了其验证的复杂性。