ydata synthetic

加入我們

YDATA合成

YData-Synthetic是一個於2020年開發的開源軟件包，其主要目標是教育用戶有關合成數據生成的模型。它是作為模型集合而設計的，旨在用於探索性研究和教育目的。但是，它沒有針對組織通常需要的質量，性能和可伸縮性需求進行優化。

!!!!請注意“更新”，即使旅程很有趣，我們已經從社區中學到了很多，現在是時候升級ydata-synthetic 。朝著綜合數據生成的未來發展，我們建議用戶過渡到ydata-sdk ，YDATA-SDK提供了優異的體驗，具有增強的性能，精度和易用性，使其成為合成數據生成的首選工具，以及對生成AI的完美介紹。

合成數據

什麼是合成數據？

合成數據是人為生成的數據，這些數據未從現實世界中收集。它在不包含任何可識別信息的情況下複製真實數據的統計組成部分，從而確保個人的隱私。

為什麼要合成數據？

合成數據可用於許多應用程序：

• 數據共享和機器學習開發的隱私合規性
• 消除偏見
• 餘額數據集
• 增強數據集

尋找合成數據生成的端到端解決方案嗎？
YDATA面料使從數據準備到合成數據生成和評估的完整UI體驗中可以生成高質量的數據集。
查看社區版本。

YDATA合成到YDATA-SDK

隨著即將更新ydata-synthetic對ydata-sdk的更新，用戶現在將可以訪問單個API，該API自動選擇並優化了其數據的最佳生成模型。這種簡化的方法無需在各種模型之間進行選擇，因為API明智地基於特定數據集和用例智能標識了最佳模型。

而不是必須從諸如：

• 甘
• cgan（有條件的gan）
• 恩（Wasserstein gan）
• WGAN-GP（Wassertein Gan和梯度罰款）
• Dragan（深遺憾的分析劑）
• cramer gan（對偏見的瓦斯坦梯度的cramer距離解決方案）
• CWGAN-GP（有條件的Wassertein gan，梯度罰款）
• ctgan（條件表格gan）
• TimeGan（專門用於時間序列數據）
• Doppelganger（專門用於時間序列數據）

新的API會自動處理模型選擇，以優化為忠誠，實用程序和隱私方面的最佳性能。這大大簡化了綜合數據生成過程，確保用戶在無需手動干預和累人的超參數調整的情況下獲得最高質量的輸出。

您準備好了解有關合成數據和合成數據生成的最佳實踐的更多信息嗎？有關使用Python合成數據生成的更多材料，請參閱文檔。

Quickstart

最新發布版本的二進制安裝程序可在Python軟件包索引（PYPI）上找到。

 pip install ydata-sdk

綜合數據生成的UI指南

YDATA Fabric提供了一個UI接口，可指導您完成步驟和輸入以生成結構數據。您可以通過註冊社區版本使用YDATA面料進行實驗。

例子

在這裡，您可以找到包裝和模型的示例，以合成表格數據。

• 泰坦尼克號數據集上的表格合成數據生成
• 時間序列合成數據生成
• 不斷添加更多示例，可以在示例目錄中找到。

數據集供您實驗

以下是一些示例數據集供您嘗試合成器：

表格數據集

• 成人人口普查收入
• 信用卡欺詐
• 心血管疾病數據集

順序數據集

• 庫存數據
• FCC MBA數據

項目資源

在下面查找有關如何生成合成數據和可用生成模型的有用文獻：

表格數據

• 甘
• cgan（有條件的gan）
• 恩（Wasserstein gan）
• WGAN-GP（Wassertein Gan和梯度罰款）
• Dragan（關於甘恩斯的收斂和穩定性）
• cramer gan（cramer距離作為偏見的瓦斯坦梯度的解決方案）
• CWGAN-GP（有條件的Wassertein gan，梯度罰款）
• ctgan（條件表格gan）
• 高斯混合物

順序數據

• 時刻
• doppelganger

支持

要使用此庫中的支持，請加入我們的Discord服務器。我們的Discord社區非常友好，並且很高興能快速回答有關圖書館使用和開發的問題。單擊此處加入我們的Discord社區！

常見問題解答

有問題嗎？查看有關ydata-synthetic的常見問題。如果您覺得缺少某些東西，請隨時與我們預定非正式的聊天。

執照

麻省理工學院許可證