SDV：一個用於生成與評估隱私保護表格合成資料的機器學習函式庫

它解決了什麼問題

SDV 提供了一套完整的工具組，讓使用者能夠建立高品質的表格合成資料。它解決了在測試或分析時需要真實資料卻不想洩露敏感資訊的問題，使用者可以在保護隱私的前提下分享或使用資料，透過匿名化達成資料保護。

它是如何運作的

此函式庫使用各種機器學習演算法來學習真實資料集中的統計模式、相關性與關係，然後模擬這些模式以產生新的合成資料列。它支援多種建模方法，從傳統的統計方法（如 Gaussian Copulas）到深度學習模型（如 CTGAN）。

適用對象

需要為單一表格、多個關聯表格或序列資料產生合成版本，以供軟體測試、研究或隱私保護資料共享的資料科學家與開發者。

重點特色

• 多樣化的建模選項：支援統計模型與深度學習模型進行資料合成。
• 隱私導向：提供匿名化敏感欄位的工具，並可將業務規則定義為邏輯約束。
• 完整的評估功能：內建工具可使用品質報告與視覺化方式，將合成資料與真實資料進行比較。
• 彈性的資料結構：能合成單一表格、多表格關聯資料庫以及序列/時間序列資料。