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
理解表格数据结构
这部分内容有帮助吗？
- Python for Data Analysis, Wes McKinney, 2022 (O'Reilly Media) - 全面介绍了DataFrame和Series等基本结构，涵盖了行、列和数据类型，适用于实际数据分析。
- Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow, Aurélien Géron, 2022 (O'Reilly Media) - 解释了数据如何组织成特征（列）和实例（行）作为机器学习模型的输入。
- Database System Concepts, Avi Silberschatz, Henry F. Korth, S. Sudarshan, 2019 (McGraw-Hill) - 全面介绍了关系数据模型，该模型构成了表格数据结构的理论基础，包括关系、属性和元组的概念。