AITerms 登入
機器學習模型訓練資料處理

合成資料生成(Synthetic Data Generation)是什麼?

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。

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

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

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本