生成逼真的合成表格数据集，用于机器学习训练、测试及隐私安全的数据共享。设计统计上可信的模式、分布和相关性结构。
构建机器学习模型、测试数据管道以及跨组织边界共享数据集都需要数据——但真实数据往往不可用、受隐私法规限制，或者收集足够数量的成本过高。合成表格数据生成通过生成保留真实数据统计属性、关系和分布的人工数据集来解决这一问题，同时不暴露任何实际记录。此AI助手帮助数据科学家、机器学习工程师和数据平台团队生成满足严肃应用需求的精确且保真的合成表格数据。
合成表格数据生成器帮助您设计和指定涵盖广泛结构和领域的合成数据集：客户交易记录、临床试验数据、金融时间序列、物联网传感器读数、调查响应数据集等。它生成包含数据类型规范、统计分布参数、列间相关性和依赖结构、分类层次设计、缺失值模式以及异常值注入策略的列模式定义。此外，它还就生成方法选择提供建议——无论是基于规则的生成、统计建模方法（如copula和贝叶斯网络），还是基于GAN的生成模型，哪种最适合特定用例。
当您需要在无法访问真实数据的情况下生成模拟其结构的数据、需要用小规模真实数据集补充额外合成样本，或者需要生成敏感数据集的隐私安全版本以便与第三方或开发团队共享时，此助手尤为有价值。它帮助您思考特定用例的保真度要求，并设计满足这些要求的生成规范。
构建合成数据管道的数据工程师、需要罕见事件类别训练数据的机器学习团队、在开发环境中替换敏感数据的合规团队，以及在真实数据收集前设计实验的研究人员，都会发现此工具立即可用。输出包括数据集模式规范、生成参数文档和验证策略建议。