Avaluació externa de les nostres dades sintètiques per part dels experts en dades de SAS

Hem utilitzat dades de telecomunicacions que s'utilitzen per a la predicció de la "revolució" com a dades d'objectiu. L'objectiu de l'avaluació era utilitzar dades sintètiques per entrenar diversos models de predicció de la rotació i per avaluar el rendiment de cada model. Com que la predicció de la rotació és una tasca de classificació, SAS va seleccionar models de classificació populars per fer les prediccions, que inclouen:

1. Bosc aleatori
2. Augment del gradient
3. Regressió logística
4. Xarxa neuronal

Abans de generar les dades sintètiques, SAS va dividir aleatòriament el conjunt de dades de telecomunicacions en un conjunt de trens (per entrenar els models) i un conjunt de retenció (per puntuar els models). El fet de tenir un conjunt de restriccions separades per a la puntuació permet una avaluació imparcial del rendiment del model de classificació quan s'aplica a dades noves.

Utilitzant el conjunt de trens com a entrada, Syntho va utilitzar el seu motor Syntho per generar un conjunt de dades sintètic. Per al benchmarking, SAS també va crear una versió anònima del conjunt de trens després d'aplicar diverses tècniques d'anonimització per assolir un determinat llindar (d'anonimat k). Els passos anteriors van donar lloc a quatre conjunts de dades:

1. Un conjunt de dades de tren (és a dir, el conjunt de dades original menys el conjunt de dades de retenció)
2. Un conjunt de dades de retenció (és a dir, un subconjunt del conjunt de dades original)
3. Un conjunt de dades anònim (dades anònimes del conjunt de dades del tren, el conjunt de dades original menys el conjunt de dades de retenció)
4. Un conjunt de dades sintètic (dades sintetitzades del conjunt de dades del tren, el conjunt de dades original menys el conjunt de dades de retenció)

Els conjunts de dades 1, 3 i 4 es van utilitzar per entrenar cada model de classificació, donant lloc a 12 (3 x 4) models entrenats. Posteriorment, SAS va utilitzar el conjunt de dades de retenció per mesurar la precisió de cada model en la predicció de la pèrdua de clients.

SAS realitza diverses avaluacions exhaustives sobre la precisió de les dades, la protecció de la privadesa i la usabilitat de les dades sintètiques generades per IA de Syntho en comparació amb les dades originals. Com a conclusió, SAS va avaluar i aprovar les dades sintètiques de Syntho com a precises, segures i utilitzables en comparació amb les dades originals.