完整定義
合成資料生成(Synthetic Data Generation)是一種利用演算法或模型創建人工資料的技術。這些資料旨在模仿真實資料的統計特性和結構,用於訓練機器學習模型,尤其是在真實資料稀缺、成本高昂或涉及隱私問題的情況下。合成資料可以有效地解決資料不足的問題,並加速機器學習模型的開發和部署。
白話說明
你有沒有想過,資料不是多就好,格式對不對更重要?
你可以把它想成欄位和來源都很規矩的資料。
合成資料生成 的重點是 合成資料生成是指透過程式或模型創建人工資料,用於訓練機器學習模型,尤其是在真實資料稀缺或難以獲取的情況下。
它重要,是因為資料越規整,分析、建模和權限控管就越省力。
記住這句
欄位固定,規則清楚,就是加分。
比喻:想像你正在為一個新產品拍廣告,但沒有足夠的真人模特兒。合成資料生成就像用電腦創造出虛擬模特兒 -- 它們看起來很像真人,可以擺出各種姿勢,讓你的廣告內容更豐富,不用擔心隱私或成本。
容易混淆
合成資料生成 vs 合成數據
合成資料生成:偏向 把資料整理成清楚格式
合成數據:偏向 相關概念
最關鍵的區別:合成資料生成看的是「把資料整理成清楚格式」,合成數據看的是「相關概念」。
合成資料生成 vs 資料擴增術
合成資料生成:偏向 把資料整理成清楚格式
資料擴增術:偏向 用擾動擴大資料
最關鍵的區別:合成資料生成看的是「把資料整理成清楚格式」,資料擴增術看的是「用擾動擴大資料」。
實際案例
案例:Excel 表格和資料庫表格
欄位固定,適合直接查詢與分析
案例:把雜亂日誌整理成欄位
先規整,再進資料倉儲或分析流程
深入了解
欄位有定義、型別固定,查詢和統計最方便
資料來源與品質越清楚,後續整合成本越低
原始資料、整理後資料和合成資料,要先分清楚
情境判斷
Q1(直覺題): Excel 報表能不能直接拿去分析?
可以,只要欄位定義清楚、型別一致,就很適合。
Q2(判斷題): JSON 和日誌算不算完全不能用?
看情況,它們可以先整理成結構化欄位,再拿去分析或建模。
常見問題
欄位重複出現、後續又常被查詢或彙整的資料,最值得先整理。
不一定,若資料本來就是圖片、語音或原始文本,硬轉成表格反而會丟掉資訊。
它不是原始真資料,但如果來源、分布和用途控制得好,仍然能在訓練和測試裡發揮作用。
出現在這些考古題
官方公告試題的逐題解析裡,這 2 題把合成資料生成列為延伸術語。
相關術語
來源
這個術語目前沒有標註外部來源。
其他格式:Markdown 版本