主编推送(一):合成数据

摘要

合成数据与真实数据相对应。合成数据是指通过程序自动生成的数据,而不是在实际生产中采集或实际生活中调研得来的数据。当进行机器学习训练缺乏真实数据、或因为安全或隐私问题不便采用真实数据时,可考虑采用合成数据。通过合理设计程序,合成数据可具有许多有利于解决问题的特征。如,数据类型可以是数值型的、二进制的或明确分类的;数据的特征数量或数据集的大小可以是任意的;数据分布可以是随机的,且这种随机性可精确控制;对于分类问题,类的数量可控;对于回归问题,可用复杂的、非线性的过程拟合数据;随机噪声能以可控的方式注入合成数据。