Մեր սինթետիկ տվյալների արտաքին գնահատումը SAS-ի տվյալների փորձագետների կողմից
Մեր սինթետիկ տվյալներն են գնահատված և հաստատել տվյալների փորձագետների կողմից SAS
SAS-ի տվյալների փորձագետների կողմից մեր սինթետիկ տվյալների արտաքին գնահատման ներածություն
Ի՞նչ արեցինք։
Syntho-ի կողմից ստեղծված սինթետիկ տվյալները գնահատվում, վավերացվում և հաստատվում են արտաքին և օբյեկտիվ տեսանկյունից SAS-ի տվյալների փորձագետների կողմից:
Ինչու՞ են մեր սինթետիկ տվյալները արտաքինից գնահատվում SAS-ի տվյալների փորձագետների կողմից:
Թեև Syntho-ն հպարտ է իր օգտատերերին առաջարկել որակի ապահովման առաջադեմ զեկույց, մենք նաև հասկանում ենք ոլորտի առաջատարներից մեր սինթետիկ տվյալների արտաքին և օբյեկտիվ գնահատման կարևորությունը: Այդ իսկ պատճառով մենք համագործակցում ենք SAS-ի հետ, որը հանդիսանում է վերլուծության առաջատարը՝ գնահատելու մեր սինթետիկ տվյալները:
SAS-ն իրականացնում է տարբեր մանրակրկիտ գնահատումներ՝ տվյալների ճշգրտության, գաղտնիության պաշտպանության և Syntho-ի AI-ի կողմից ստեղծված սինթետիկ տվյալների օգտագործման վերաբերյալ՝ սկզբնական տվյալների համեմատ: Որպես եզրակացություն, SAS-ը գնահատեց և հաստատեց Syntho-ի սինթետիկ տվյալները որպես ճշգրիտ, անվտանգ և օգտագործելի սկզբնական տվյալների համեմատ:
Ի՞նչ է արել SAS-ն այս գնահատման ընթացքում։
Որպես թիրախային տվյալներ, մենք օգտագործել ենք հեռահաղորդակցության տվյալները, որոնք օգտագործվում են «խափանման» կանխատեսման համար: Գնահատման նպատակն էր օգտագործել սինթետիկ տվյալներ՝ թրթռման կանխատեսման տարբեր մոդելներ պատրաստելու և յուրաքանչյուր մոդելի կատարողականությունը գնահատելու համար: Քանի որ խափանումների կանխատեսումը դասակարգման խնդիր է, SAS-ն ընտրեց դասակարգման հանրաճանաչ մոդելներ՝ կանխատեսումներ կատարելու համար, այդ թվում՝
- Պատահական անտառ
- Գրադիենտի բարձրացում
- Լոգիստիկ ռեգրեսիա
- Նյարդային ցանց
Նախքան սինթետիկ տվյալներ ստեղծելը, SAS-ը պատահականորեն բաժանում է հեռահաղորդակցության տվյալների բազան գնացքների հավաքածուի (մոդելները վարժեցնելու համար) և պահվող հավաքածուի (մոդելները գնահատելու համար): Գնահատման համար առանձին պահվող հավաքածու ունենալը թույլ է տալիս անկողմնակալ գնահատել, թե դասակարգման մոդելը որքան լավ կարող է գործել, երբ կիրառվի նոր տվյալների վրա:
Օգտագործելով գնացքի հավաքածուն որպես մուտքագրում՝ Syntho-ն օգտագործեց իր Syntho Engine-ը՝ սինթետիկ տվյալների բազա ստեղծելու համար: Հենանիշավորման համար SAS-ը նաև ստեղծեց գնացքների հավաքածուի անանուն տարբերակը՝ անանունացման տարբեր մեթոդներ կիրառելուց հետո՝ որոշակի շեմի (k-անանունության) հասնելու համար: Նախկին քայլերը հանգեցրին չորս տվյալների հավաքածուի.
- Գնացքի տվյալների շտեմարան (այսինքն սկզբնական տվյալների բազան հանած պահվող տվյալների բազան)
- Պահպանվող տվյալների բազա (այսինքն սկզբնական տվյալների բազայի ենթաբազմություն)
- Անանուն տվյալների բազա (գնացքի տվյալների բազայի անանուն տվյալներ, սկզբնական տվյալների բազա՝ հանած պահվող տվյալների բազան)
- Սինթետիկ տվյալների բազա (գնացքի տվյալների սինթեզված տվյալներ, սկզբնական տվյալների բազա՝ հանած պահվող տվյալների բազան)
1, 3 և 4 տվյալների հավաքածուները օգտագործվել են դասակարգման յուրաքանչյուր մոդելի վերապատրաստման համար, որի արդյունքում ստացվել են 12 (3 x 4) պատրաստված մոդելներ: SAS-ն այնուհետև օգտագործեց պահվող տվյալների բազան՝ յուրաքանչյուր մոդելի ճշգրտությունը հաճախորդի անկման կանխատեսման համար չափելու համար:
SAS-ն իրականացնում է տարբեր մանրակրկիտ գնահատումներ՝ տվյալների ճշգրտության, գաղտնիության պաշտպանության և Syntho-ի AI-ի կողմից ստեղծված սինթետիկ տվյալների օգտագործման վերաբերյալ՝ սկզբնական տվյալների համեմատ: Որպես եզրակացություն, SAS-ը գնահատեց և հաստատեց Syntho-ի սինթետիկ տվյալները որպես ճշգրիտ, անվտանգ և օգտագործելի սկզբնական տվյալների համեմատ:
Արդյոք դուք ունեք որեւէ հարց.
Խոսեք մեր փորձագետներից մեկի հետ
SAS-ի կողմից տվյալների գնահատման նախնական արդյունքները
Սինթետիկ տվյալների վրա ուսուցանված մոդելները շատ նման են սկզբնական տվյալների վրա պատրաստված մոդելներին
Syntho-ի սինթետիկ տվյալները վերաբերում են ոչ միայն հիմնական օրինաչափություններին, այն նաև ընդգրկում է խորը «թաքնված» վիճակագրական օրինաչափություններ, որոնք անհրաժեշտ են առաջադեմ վերլուծական առաջադրանքների համար: Վերջինս ցուցադրված է գծապատկերում, ցույց տալով, որ սինթետիկ տվյալների վրա պատրաստված մոդելների ճշգրտությունը և սկզբնական տվյալների վրա պատրաստված մոդելները նման են: Այսպիսով, սինթետիկ տվյալները կարող են օգտագործվել մոդելների իրական վերապատրաստման համար: Սինթետիկ տվյալների վերաբերյալ ալգորիթմների կողմից ընտրված մուտքերը և փոփոխական նշանակությունը սկզբնական տվյալների համեմատ շատ նման էին: Այսպիսով, եզրակացվում է, որ մոդելավորման գործընթացը կարող է իրականացվել սինթետիկ տվյալների վրա՝ որպես իրական զգայուն տվյալների օգտագործման այլընտրանք:
Ինչո՞ւ են անանուն տվյալների վրա մարզված մոդելներն ավելի վատ միավորներ ստանում:
Դասական անանունացման տեխնիկան ընդհանուր է այն, որ նրանք շահարկում են բնօրինակ տվյալները՝ անհատներին հետախուզելու համար խոչընդոտելու համար: Նրանք շահարկում են տվյալները և դրանով իսկ ոչնչացնում տվյալները գործընթացում: Որքան շատ եք անանունացնում, այնքան ավելի լավ է ձեր տվյալները պաշտպանված, բայց նաև այնքան ավելի շատ են ձեր տվյալները ոչնչացվում: Սա հատկապես կործանարար է AI-ի և մոդելավորման առաջադրանքների համար, որտեղ «կանխատեսող ուժը» կարևոր է, քանի որ վատ որակի տվյալները կհանգեցնեն վատ պատկերացումների AI մոդելից: SAS-ը ցույց տվեց դա՝ կորի տակ գտնվող տարածքով (AUC*) մոտ 0.5-ին, ցույց տալով, որ անանուն տվյալների վրա ուսուցանված մոդելները շատ վատն են գործում:
SAS-ի կողմից սինթետիկ տվյալների գնահատման լրացուցիչ արդյունքներ
SAS-ի կողմից սինթետիկ տվյալների գնահատման լրացուցիչ արդյունքներ
Փոփոխականների միջև փոխկապակցվածությունն ու հարաբերությունները ճշգրտորեն պահպանվել են սինթետիկ տվյալների մեջ:
Կորի տակ գտնվող տարածքը (AUC), մոդելի կատարողականությունը չափելու չափիչ, մնաց հետևողական:
Ավելին, փոփոխականի կարևորությունը, որը ցույց էր տալիս մոդելի փոփոխականների կանխատեսող ուժը, մնաց անփոփոխ՝ սինթետիկ տվյալները սկզբնական տվյալների հետ համեմատելիս:
Ելնելով SAS-ի այս դիտարկումներից և օգտագործելով SAS Viya-ն, մենք կարող ենք վստահորեն եզրակացնել, որ Syntho Engine-ի կողմից գեներացված սինթետիկ տվյալները որակի առումով իսկապես համընկնում են իրական տվյալների հետ: Սա հաստատում է սինթետիկ տվյալների օգտագործումը մոդելի մշակման համար՝ ճանապարհ հարթելով սինթետիկ տվյալների հետ առաջադեմ վերլուծությունների համար:
SAS-ի տվյալների փորձագետների եզրակացությունները
- Սինթետիկ տվյալների վրա պատրաստված մոդելները, համեմատած սկզբնական տվյալների վրա պատրաստված մոդելների հետ, ցույց են տալիս շատ նման արդյունավետություն
- Անանուն տվյալների վրա պատրաստված մոդելները «դասական անանունացման տեխնիկայով» ցույց են տալիս ավելի ցածր արդյունավետություն՝ համեմատած սկզբնական տվյալների կամ սինթետիկ տվյալների վրա պատրաստված մոդելների հետ։
- Սինթետիկ տվյալների ստեղծումը հեշտ և արագ է, քանի որ տեխնիկան աշխատում է միանգամայն նույնը յուրաքանչյուր տվյալների տիպի և տվյալների տեսակի համար
Տեղեկատվական հոդվածներ
- SAS-ի տվյալների փորձագետների գնահատականը. https://blogs.sas.com/content/hiddeninsights/2022/07/07/ai-generated-synthetic-data-easy-and-fast-access-to-high-quality-data/
- SAS գլոբալ հաքաթոնի Syntho հաղթող. https://www.linkedin.com/feed/update/urn:li:activity:7070047376249376769/
- Առողջապահության դեպքի ուսումնասիրության արդյունքները. https://communities.sas.com/t5/SAS-Hacker-s-Hub/AI-Generated-Synthetic-Data-in-Healthcare/ta-p/863407
Պահպանեք ձեր սինթետիկ տվյալների ուղեցույցը հիմա:
- Ի՞նչ է սինթետիկ տվյալները:
- Ինչու՞ են կազմակերպությունները օգտագործում այն:
- Արժեքի ավելացման սինթետիկ տվյալների հաճախորդի դեպքեր
- Ինչպե՞ս սկսել
