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
行采样方法
这部分内容有帮助吗？
- Practical Statistics for Data Scientists: 50+ Essential Concepts Using R and Python, Peter Bruce, Andrew Bruce, and Peter Gedeck, 2020 (O'Reilly Media) - 介绍统计抽样技术，包括随机抽样和分层抽样方法，适用于数据科学和机器学习。
- The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert Tibshirani, and Jerome Friedman, 2009 (Springer) - 统计学习的标准教材。书中包含重采样方法，例如自助法（有放回抽样）和数据划分，对机器学习中的行抽样有益。
- sklearn.model_selection.StratifiedShuffleSplit, scikit-learn developers, 2023 (scikit-learn) - 机器学习中分层抽样的官方文档。展示了在数据划分时保持类别比例的实际实现方法。
- Data Mining: Concepts and Techniques, Jiawei Han, Micheline Kamber, Jian Pei, 2011 (Morgan Kaufmann) DOI: 10.1016/C2009-0-61819-5 - 数据挖掘教材。讨论数据预处理和数据缩减，其中包含基本抽样技术（例如随机抽样、分层抽样），对数据准备和合成数据集创建有用。