论合成表格数据生成的有用性
机器学习
2023-06-28 v1
摘要
尽管合成数据生成近期取得进展，科学界仍缺乏对其有用性的统一共识。通常认为合成数据可用于数据交换和提升机器学习（ML）训练。隐私保护合成数据生成可加速面向下游任务的数据交换，但尚不足以证明合成数据如何或为何能提升 ML 训练。本研究中，我们针对四种用例——数据共享、数据增强、类别平衡与数据摘要——以合成表格数据基准测试了 ML 性能。我们观察到在部分数据集上类别平衡用例有微小提升。然而，我们得出结论：尚不足以声称合成表格数据对 ML 训练有用。
引用
@article{arxiv.2306.15636,
title = {On the Usefulness of Synthetic Tabular Data Generation},
author = {Dionysis Manousakas and Sergül Aydöre},
journal= {arXiv preprint arXiv:2306.15636},
year = {2023}
}
备注
Data-centric Machine Learning Research (DMLR) Workshop at the 40th International Conference on Machine Learning (ICML)