面向一般情境和圆坐标的合成数据生成与自动多维数据标注
机器学习
2025-05-20 v1
摘要
可用训练数据的不足是人工智能和机器学习(AI/ML)模型开发和部署的关键挑战。本文提出一种统一的方法，用于合成数据生成(SDG)和自动数据标注(ADL)，并构建统一的SDG-ADL算法。SDG-ADL使用数据的多维(n维)表示，通过一般线坐标(GLC)无损可视化，依赖可逆GLC特性将n维数据在多个GLC中进行可视化。本文演示了在平行坐标和偏移配对坐标中使用的新型圆坐标（静态形式和动态形式），由于每个GLC都代表独特的数据属性，如属性间的n维分布和异常检测。该方法在计算机软件中以交互式方式实现，基于动态坐标可视化系统(DCVis)。在真实数据案例研究中展示了结果，评估了对分类器的影响。
引用
@article{arxiv.2409.02079,
title = {Synthetic Data Generation and Automated Multidimensional Data Labeling for AI/ML in General and Circular Coordinates},
author = {Alice Williams and Boris Kovalerchuk},
journal= {arXiv preprint arXiv:2409.02079},
year = {2025}
}
备注
8 pages, 17 figures, 11 tables