利用生成对抗网络合成表格数据
机器学习
2018-11-29 v1 机器学习
摘要
生成对抗网络(GANs)隐式地学习数据集的概率分布,并可以从该分布中采样。本文提出 Tabular GAN (TGAN),一种能够生成诸如医疗或教育记录等表格数据的生成对抗网络。利用深度神经网络的强大能力,TGAN 在同时生成离散与连续变量的过程中,生成高质量且完全合成的表格。当我们在三个数据集上评估我们的模型时,我们发现 TGAN 在捕捉列间相关性以及针对大型数据集的可扩展性方面均优于传统的统计生成模型。
引用
@article{arxiv.1811.11264,
title = {Synthesizing Tabular Data using Generative Adversarial Networks},
author = {Lei Xu and Kalyan Veeramachaneni},
journal= {arXiv preprint arXiv:1811.11264},
year = {2018}
}