sdv-dev/CTGAN

해결하는 문제

단일 테이블 형식의 표준 데이터에 대한 고정밀도 합성 버전을 생성할 수 있는 방법을 제공합니다. 이를 통해 사용자는 원본 기록을 사용하지 않고도 실제 데이터의 통계적 특성을 유지하는 인공 데이터셋을 생성할 수 있습니다.

작동 방식

이 라이브러리는 2019년 NeurIPS 논문 기반으로, 조건부 GAN(CTGAN)과 TVAE(표준형 변분 오토인코더)와 같은 딥러닝 모델을 구현합니다. 이러한 모델은 실제 데이터셋의 분포를 학습한 후, 원본 데이터를 모방하는 새로운 합성 레코드를 샘플링하는 데 사용할 수 있습니다.

대상 사용자

테스트용, 개인정보 보호를 위한 데이터 공유, 또는 데이터셋 증강을 위해 합성 표준형 데이터가 필요한 데이터 과학자 및 머신러닝 엔지니어

주요 특징

• 표준형 데이터에 특화된 딥러닝 아키텍처(CTGAN 및 TVAE)를 사용합니다.
• 연속형(float) 및 이산형(int/string) 데이터 유형을 모두 지원합니다.
• 독립적인 라이브러리로 사용할 수 있으며, 더 큰 Synthetic Data Vault(SDV) 생태계의 일부로도 사용할 수 있습니다.
• NeurIPS 2019에서 발표된 동료 검토 논문 기반입니다.