Laporan jaminan kualitas Syntho menilai data sintetis yang dihasilkan dan menunjukkan keakuratan, privasi, dan kecepatan data sintetis dibandingkan dengan data asli.
Di Syntho, kami memahami pentingnya data sintetis yang andal dan akurat. Itu sebabnya kami menyediakan laporan jaminan kualitas komprehensif untuk setiap data sintetis yang dijalankan. Laporan kualitas kami mencakup berbagai metrik seperti distribusi, korelasi, distribusi multivarian, metrik privasi, dan banyak lagi. Dengan cara ini, Anda dapat dengan mudah menilai bahwa data sintetis yang kami berikan memiliki kualitas terbaik dan dapat digunakan dengan tingkat akurasi dan keandalan yang sama seperti data asli Anda.
Sekilas: bagian ini mengilustrasikan hal-hal penting dari laporan kualitas data sintetis kami. Penilaian kami memeriksa data sintetik dibandingkan dengan data nyata di berbagai dimensi.
Pembuatan data sintetis itu rumit dan kendalanya memang ada dan harus dikendalikan. Dengan algoritme AI, overfitting merupakan sebuah risiko dan hal ini juga terjadi pada pembuatan data sintetis dengan AI. Oleh karena itu, seseorang harus mengontrol risiko overfitting saat membuat data sintetis. Risiko overfitting dikendalikan di Syntho Engine. Selain itu, laporan Syntho Quality Assurance (QA) memungkinkan organisasi untuk menunjukkan bahwa data sintetis tidak sesuai dengan data asli. Kami juga menilai lebih banyak aspek terkait privasi, yang sering digunakan oleh auditor internal.
Uji “Pencocokan tepat” dengan Identical Match Ratio (IMR)
Demonstrasi bahwa rasio rekaman data sintetik yang cocok dengan rekaman nyata dari data asli tidak lebih besar secara signifikan dibandingkan rasio yang dapat diharapkan saat menganalisis data kereta api.
Tes aktif “Pertandingan serupa” dengan Jarak ke Catatan Terdekat (DCR)
Demonstrasi bahwa jarak yang dinormalisasi untuk rekaman data sintetik ke rekaman aktual terdekat dalam data asli tidak jauh lebih dekat dibandingkan jarak yang diharapkan saat menganalisis data kereta api.
Tes aktif “Outlier” dengan Rasio Jarak Tetangga Terdekat (NNDR)
Demonstrasi bahwa rasio jarak antara catatan sintetis terdekat dan terdekat kedua dengan catatan terdekatnya dalam data asli tidak lebih dekat secara signifikan dibandingkan rasio yang diharapkan untuk data kereta api.
Ini hanyalah cuplikan yang merangkum inti dari laporan eksplorasi kualitas dan penjaminan kualitas data sintetis kami. Ini menawarkan pemahaman yang berbeda tentang distribusi, korelasi, dan distribusi multivariat sebagai bagian dari data sintetis seperti yang ditangkap oleh kemampuan lanjutan dari Syntho Engine. Rincian lebih lanjut tentang laporan jaminan kualitas kami tersedia berdasarkan permintaan.