SDV
合成資料生成 - 專為表格資料設計
SDV 是什麼?
合成表格資料生成解決方案。可用於資料擴充、隱私保護與模型訓練。
SDV 概覽
這是什麼
SDV(Synthetic Data Vault)是一個用於建立表格型合成資料的 Python 函式庫,屬於 DataCebo 的 The Synthetic Data Vault Project 專案。該函式庫使用機器學習演算法從真實資料中學習模式,並在合成資料中模擬這些模式。它支援為單一表格、多個關聯表格或序列表格生成資料。
主要功能
- 使用機器學習建立合成資料:提供多種模型,從古典統計方法(GaussianCopula)到深度學習方法(CTGAN)。
- 評估與視覺化資料:將合成資料與真實資料在多種指標上進行比較,診斷問題並生成品質報告。
- 預處理、匿名化與定義約束:控制資料處理以提升合成資料品質,選擇不同類型的匿名化方式,並以邏輯約束的形式定義業務規則。
使用情境
SDV 適用於當真實資料敏感、稀缺或無法共享時生成表格型合成資料。它可用於建立匿名化的資料集,供測試、開發或機器學習模型訓練使用,同時保留欄位之間的統計模式與關聯性。該函式庫也支援評估生成的合成資料與原始真實資料的品質。
快速開始
使用 pip 或 conda 安裝 SDV。建議使用虛擬環境以避免與其他軟體衝突。bashpip install sdv``````bashconda install -c pytorch -c conda-forge sdv安裝後,載入範例資料集並建立合成器:pythonfrom sdv.datasets.demo import download_demoreal_data, metadata = download_demo(modality='single_table', dataset_name='fake_hotel_guests')from sdv.single_table import GaussianCopulaSynthesizersynthesizer = GaussianCopulaSynthesizer(metadata)synthesizer.fit(data=real_data)synthetic_data = synthesizer.sample(num_rows=500)
授權與價格
SDV 以 Business Source License 公開提供。定價類型為開源。
內容整理自該專案公開的 README 與儲存庫資訊。