sdv-dev/CTGAN

何を解決するか

単一テーブルの表形式データに対して、高精度な合成バージョンを生成する方法を提供します。これにより、ユーザーは元のレコードを使用することなく、実世界のデータの統計的特性を維持した人工的なデータセットを作成できます。

仕組み

このライブラリは、2019年のNeurIPSの論文に基づいたディープラーニングモデル、具体的にはConditional GAN (CTGAN) と TVAE (Tabular Variational Autoencoder) を実装しています。これらのモデルは、実データの分布を学習し、元のデータを模倣する新しい合成レコードをサンプリングするために使用できます。

対象ユーザー

テスト、プライバシーを保護したデータ共有、またはデータセットの拡張のために合成表形式データが必要なデータサイエンティストやMLエンジニア。

ハイライト

• 表形式データ専用に設計されたディープラーニングアーキテクチャ (CTGAN と TVAE) を使用。
• 連続値 (float) と離散値 (int/string) の両方のデータ型をサポート。
• スタンドアロンのライブラリとして、またはより大規模な Synthetic Data Vault (SDV) エコシステムの一部として使用可能。
• NeurIPS 2019 で発表された査読済み研究に基づいている。