Syntho の合成データは SAS のデータ専門家によって厳密に評価および承認されており、その正確性と有用性が確認されています。
AI アルゴリズムは、現実世界のデータからパターンと関係性を学習し、これらの特性を厳密に模倣した新しい合成データを生成します。この合成データは非常に正確であるため、現実世界のデータのように機能する「合成データ ツイン」として機能し、高度な分析に使用できます。
従来の匿名化技術に共通するのは、個人の追跡を阻止するために元のデータを操作するという点です。これらの技術では、データを操作することで、その過程でデータが破壊されます。匿名化が進むほど、データの保護は強化されますが、破壊されるデータも増えます。
これは、「予測力」が不可欠な AI およびモデリング タスクにとって特に壊滅的です。品質の悪いデータは AI モデルから得られる洞察の質を低下させるからです。SAS はこれを実証し、曲線下面積 (AUC*) が 0.5 に近づき、匿名化されたデータでトレーニングされたモデルのパフォーマンスがはるかに悪いことを証明しました。
Syntho によって生成された合成データは、SAS のデータ専門家によって外部の客観的な観点から評価、検証、承認されます。
私たちは、通信データを使用して「解約」を予測し、合成データをどのように活用してモデルをトレーニングし、そのパフォーマンスを評価するかに焦点を当てました。
SAS は予測のために一般的な分類モデルを選択しました。
ランダムフォレスト
合成データを生成する前に、通信データセットはランダムに次のように分割されました。
Syntho はトレーニング セットを使用して合成データセットを生成しました。さらに、SAS は同じデータを使用して匿名データセットを作成し、次の 4 つのデータセットを作成しました。
各データセット (オリジナル、匿名化、合成) を使用して、解約予測モデルをトレーニングしました。その結果、合計 12 のトレーニング済みモデル (3 つのデータセット x 4 つのモデル) が作成されました。モデルはそれぞれのデータセットを使用してトレーニングされ、解約結果をどれだけ正確に予測できるかが評価されました。トレーニング後、すべてのモデルとデータセットにわたって偏りのないパフォーマンス評価を確実に行うために、ホールドアウト データセットを使用してモデルの精度が評価されました。
SAS は、ホールドアウト データセットを使用して各モデルの精度を評価し、顧客離脱の予測パフォーマンスを測定しました。また、データの精度、プライバシー保護、使いやすさについても詳細な評価を実施し、Syntho の合成データは元のデータと比較して正確で安全かつ使用可能であると結論付けました。
Synthoによって生成された合成データは評価され、検証され、 SAS のデータ専門家によって外部の客観的な観点から承認されています。
相関
変数間の相関関係と関係は、合成データに正確に保存されました。
モデルのパフォーマンスを測定するための指標である曲線下面積 (AUC) は一貫したままでした。
モデル内の変数の予測力を示す変数の重要度は、合成データと元のデータセットを比較してもそのまま残りました。
