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
查找生成工具
这部分内容有帮助吗？
- Synthetic Data Generation: A Review, Carla Pereira, Rui Mendes, Pedro Rodrigues, 2023 Applied Sciences, Vol. 13 (MDPI) DOI: 10.3390/app13042738 - 这篇论文回顾了合成数据生成的各种方法和应用，为读者提供了该领域及其工具类别的广泛概览。
- Practical MLOps: Operationalizing Machine Learning Models, Noah Gift, Alfredo Deza, 2021 (O'Reilly Media) - 这本书为选择和集成机器学习工具和框架提供了指导，涵盖了开源选择和实际评估标准等方面，与“评估潜在工具”部分一致。
- The Synthetic Data Vault: An Ecosystem for Privately Sharing High-Quality Synthetic Data, Neha Gupta, Kalyan Veeramachaneni, Paul Van Horn, Vivek F. Farias, 2020 ACM SIGMOD International Conference on Management of Data (SIGMOD) (ACM (Association for Computing Machinery)) DOI: 10.1145/3318464.3380720 - 这篇论文介绍了合成数据仓库（SDV），这是一个用于生成合成数据的知名生态系统，可作为复杂工具及其基础研究的示例。