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
评估的重要性
这部分内容有帮助吗？
- A Survey on Synthetic Data Generation and Evaluation Methods, Rui Chen, Ziying Wu, Guanchen Li, Sijie Li, Jiacheng Cao, Yongqiang Zhang, and Hongmei Li, 2022 ACM Computing Surveys, Vol. 55 (Association for Computing Machinery) DOI: 10.1145/3547101 - 全面概述了合成数据生成技术，并批判性地审视了评估合成数据质量、保真度和效用的各种度量标准和方法。
- Synthetic Data Generation for Machine Learning: A Practical Guide, Hamid Ghasemi, Mohammad Rezaei, Hamed Ahmadi, and Maryam Ghasemi, 2023 (Springer) DOI: 10.1007/978-3-031-29402-9 - 本书提供了一份指南，内容包括评估用于机器学习的合成数据的实际考量和方法，涵盖了理论和实践实现。