合成数据保险库中的序列模型
机器学习
2022-08-01 v1 数学软件
摘要
本文的目标是描述一个在合成数据保险库（Synthetic Data Vault）中生成合成序列数据的系统。为此，我们提出 SDV 中当前的序列模型，这是一个为多序列真实世界数据构建生成模型的端到端框架。这包括一个新颖的基于神经网络的机器学习模型，即条件概率自回归（CPAR）模型。整个系统与模型可在开源合成数据保险库（SDV）库 {https://github.com/sdv-dev/SDV} 中获取，连同用于不同合成数据需求的各种其他模型。在构建序列 SDV 后，我们使用它生成合成数据，并将其质量与现有的基于非序列生成对抗网络（GAN）的模型 CTGAN 进行比较。为了将序列合成数据与其真实对应数据进行比较，我们发明了一种称为多序列聚合相似度（MSAS）的新度量。我们使用它得出结论：我们的序列 SDV 模型学习了比非序列模型更高层次的模式，且在合成数据质量上无任何折损。
引用
@article{arxiv.2207.14406,
title = {Sequential Models in the Synthetic Data Vault},
author = {Kevin Zhang and Neha Patki and Kalyan Veeramachaneni},
journal= {arXiv preprint arXiv:2207.14406},
year = {2022}
}
备注
17 pages, 8 figures