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
维护列的基本关联性
这部分内容有帮助吗？
- Synthetic Data Generation for Tabular Data: A Survey, Jing Sun, Shuyue Wang, Ze Shi, Guang-Lei Chen, 2023 ACM Computing Surveys, Vol. 56 (Association for Computing Machinery) DOI: 10.1145/3630248 - 这篇综述回顾了生成合成表格数据的方法，讨论了保留数据分布和列间关系对数据实用性的重要性。
- Modeling Tabular Data using Conditional GAN, Lei Xu, Maria Skoularidou, Alfredo Cuesta-Infante, Kalyan Veeramachaneni, 2019 Advances in Neural Information Processing Systems, Vol. 32 (Curran Associates, Inc.) DOI: 10.48550/arXiv.1907.00503 - 这篇论文介绍了CTGAN，强调了生成高保真合成表格数据以保持复杂、多模态和列间关系的困难。
- Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists, Alice Zheng, Amanda Casari, 2018 (O'Reilly Media) - 本书提供了为机器学习准备数据的实用建议，包括理解特征关系及其对模型性能的影响。
- Synthetic Data: Generating and Evaluating, Bas Van Breugel, Marc J. D. van der Weide, 2021 IEEE Security & Privacy, Vol. 19 (IEEE) DOI: 10.1109/MSEC.2021.3059170 - 本文概述了合成数据的生成和评估，强调了统计保真度（特别是变量间关系）对合成数据价值的重要性。