合成データ

目的から始めましょう。インターフェイス テストの記録には、有効な形状とエッジ ケースが必要です。トレーニング データセットには、意味のある関係やまれな条件が必要な場合があります。フォームのチェックに適したデータセットが、必ずしも人口統計の推定に適しているとは限りません。データがどのように生成されたか、実際のどの情報がデータに影響を与えたかを文書化します。ルールベースの生成、シミュレーション、統計的サンプリング、生成モデルでは、さまざまな種類のエラーが発生します。生成されたレコードを、データ系統で観察されたレコードと区別できるように維持します。特定の下流タスクのユーティリティを評価します。必要に応じて、独立した現実世界のテスト セットの結果を比較し、サブグループの範囲を検査します。合成レコードは、全体の分布がもっともらしく見える場合でも、生成者の仮定を増幅したり、珍しい状況を省略したりする可能性があります。プライバシーを個別に評価します。ジェネレーターはソース データから情報を複製する可能性があり、明らかな識別子を削除することは普遍的なプライバシーの保証ではありません。差分プライバシーは正式なフレームワークの 1 つですが、その保証は実際のメカニズムとパラメーターによって異なります。プライバシーとユーティリティに関する主張を、一方が他方を暗示していると仮定するのではなく、独立して検討してください。