SynC：基于高斯Copula的合成人口生成统一框架
机器学习
2019-11-12 v2 机器学习
摘要
合成人口生成是将来自不同来源和/或粒度级别的多个社会经济和人口数据集组合，并将其降尺度到个体水平的过程。尽管这是许多数据科学任务的基本步骤，但缺乏一个高效且标准的框架。在本研究中，我们提出了一个名为SynC（基于高斯Copula的合成人口）的多阶段框架来填补这一空白。SynC首先去除数据中的潜在异常值，然后用高斯Copula模型拟合过滤后的数据，以正确捕获抽样调查数据的依赖关系和边缘分布。最后，SynC利用预测模型将数据集合并为一个，然后相应地进行缩放以匹配边缘约束。我们在这项工作中做出了三个关键贡献：1）提出了一种新颖的框架，通过结合最先进的机器学习和统计技术，从聚合数据源生成个体水平数据；2）通过两个真实世界数据集展示了其作为特征工程工具以及在数据收集困难情况下作为数据收集替代方案的价值；3）发布了一个易于使用的框架实现以确保可重复性；4）确保该方法在生产级别可扩展，并能轻松整合新数据。
引用
@article{arxiv.1904.07998,
title = {SynC: A Unified Framework for Generating Synthetic Population with Gaussian Copula},
author = {Colin Wan and Zheng Li and Alicia Guo and Yue Zhao},
journal= {arXiv preprint arXiv:1904.07998},
year = {2019}
}