O informe de garantía de calidade de Syntho avalía os datos sintéticos xerados e demostra a precisión, privacidade e velocidade dos datos sintéticos en comparación cos datos orixinais.
En Syntho, entendemos a importancia dos datos sintéticos fiables e precisos. É por iso que ofrecemos un informe completo de garantía de calidade para cada execución de datos sintéticos. O noso informe de calidade inclúe varias métricas, como distribucións, correlacións, distribucións multivariantes, métricas de privacidade e moito máis. Deste xeito, podes avaliar facilmente que os datos sintéticos que proporcionamos son da máis alta calidade e pódense utilizar co mesmo nivel de precisión e fiabilidade que os teus datos orixinais.
Capturar unha ollada: esta sección ilustra os aspectos máis destacados do noso informe de calidade dos datos sintéticos. As nosas avaliacións examinan os datos sintéticos en comparación cos datos reais en varias dimensións.
Distribucións multivariantes de datos sintéticos en comparación con datos reais
As distribucións multivariantes e as correlacións multivariantes lévannos máis aló das dimensións singulares, proporcionando unha visión completa de como se relacionan varias variables. O motor Syntho captura estas relacións.
A xeración de datos sintéticos é complexa e existen trampas e hai que controlalas. Cos algoritmos de IA, a sobreadaptación é un risco e este tamén é o caso da xeración de datos sintéticos con AI. Polo tanto, débese controlar o risco de sobreadaptación ao xerar datos sintéticos. O risco de sobreadaptación está controlado no motor Syntho. Ademais, o informe de garantía de calidade (QA) de Syntho permite ás organizacións demostrar que os datos sintéticos non se axustaron demasiado aos datos orixinais. Tamén valoramos aspectos máis relacionados coa privacidade, que adoitan ser utilizados polos auditores internos.
Proba sobre "Coincidencias exactas" coa relación de coincidencia idéntica (IMR)
Demostración de que a proporción dos rexistros de datos sintéticos que coinciden cun rexistro real dos datos orixinais non é significativamente maior que a proporción que se pode esperar ao analizar os datos do tren.
Proba activada "Partidos similares" coa distancia ao rexistro máis próximo (DCR)
Demostración de que a distancia normalizada para os rexistros de datos sintéticos ao seu rexistro real máis próximo dentro dos datos orixinais non está significativamente máis próxima que a distancia que se pode esperar cando se analizan os datos do tren.
Proba activada "Outliers" co Relación de distancia de veciños máis próximos (NNDR)
Demostración de que a relación de distancia entre o rexistro sintético máis próximo e o segundo máis próximo ao seu rexistro máis próximo dentro dos datos orixinais non é significativamente máis próxima que a relación que se espera para os datos do tren.
Esta é só unha instantánea que resume a esencia do noso informe de garantía de calidade e exploración de datos sintéticos. Ofrece unha comprensión matizada das distribucións, correlacións e distribucións multivariantes como parte dos datos sintéticos capturados polas capacidades avanzadas do motor Syntho. Podes solicitar máis detalles sobre o noso informe de garantía de calidade.