Evalwazzjoni esterna tad-dejta sintetika tagħna mill-esperti tad-dejta tas-SAS
Id-dejta sintetika tagħna hija ivvalutat u, approvat mill-esperti tad-data ta SAS
Introduzzjoni għall-evalwazzjoni esterna tad-dejta sintetika tagħna mill-esperti tad-dejta ta 'SAS
X’għamilna?
Id-dejta sintetika ġġenerata minn Syntho hija vvalutata, validata u approvata minn perspettiva esterna u oġġettiva mill-esperti tad-dejta ta’ SAS.
Għaliex id-dejta sintetika tagħna hija evalwata esternament mill-esperti tad-dejta ta 'SAS?
Għalkemm Syntho huwa kburi li joffri lill-utenti tiegħu rapport avvanzat ta 'assigurazzjoni tal-kwalità, aħna nifhmu wkoll l-importanza li jkollna evalwazzjoni esterna u oġġettiva tad-dejta sintetika tagħna mill-mexxejja tal-industrija. Huwa għalhekk li nikkollaboraw ma 'SAS, mexxej fl-analitika, biex nivvalutaw id-dejta sintetika tagħna.
SAS twettaq diversi evalwazzjonijiet bir-reqqa dwar il-preċiżjoni tad-dejta, il-protezzjoni tal-privatezza, u l-użabilità tad-dejta sintetika ġġenerata mill-AI ta' Syntho meta mqabbla mad-dejta oriġinali. Bħala konklużjoni, SAS evalwat u approvat id-dejta sintetika ta' Syntho bħala preċiża, sigura u li tista' tintuża meta mqabbla mad-dejta oriġinali.
X'għamlet SAS waqt din il-valutazzjoni?
Aħna użajna dejta tat-telekomunikazzjoni li tintuża għal tbassir ta '"churn" bħala dejta fil-mira. L-għan tal-evalwazzjoni kien li tuża data sintetika biex tħarreġ diversi mudelli ta 'tbassir ta' ċaqliq u biex tevalwa l-prestazzjoni ta 'kull mudell. Billi t-tbassir tat-tbassir huwa kompitu ta’ klassifikazzjoni, SAS għażlet mudelli ta’ klassifikazzjoni popolari biex tagħmel it-tbassir, inklużi:
- Foresta każwali
- Spinta tal-gradjent
- Rigressjoni loġistika
- Netwerk newrali
Qabel ma tiġġenera d-dejta sintetika, SAS qasmet b'mod każwali s-sett tad-dejta tat-telekomunikazzjoni f'sett tal-ferrovija (għall-taħriġ tal-mudelli) u sett ta 'holdout (għall-punteġġ tal-mudelli). Li jkollok sett ta' holdout separat għall-punteġġ jippermetti valutazzjoni imparzjali ta' kemm jista' jagħmel tajjeb il-mudell ta' klassifikazzjoni meta jiġi applikat għal data ġdida.
Bl-użu tas-sett tal-ferrovija bħala input, Syntho uża l-Magna Syntho tiegħu biex jiġġenera dataset sintetiku. Għall-benchmarking, SAS ħolqot ukoll verżjoni anonimizzata tas-sett tal-ferrovija wara li applikat diversi tekniki ta 'anonimizzazzjoni biex jilħaq ċertu limitu (ta' k-anonimità). Il-passi ta' qabel irriżultaw f'erba' settijiet ta' dejta:
- Sett tad-dejta tal-ferrovija (jiġifieri s-sett tad-dejta oriġinali nieqes is-sett tad-dejta tal-holdout)
- Sett ta' dejta holdout (jiġifieri subsett tas-sett ta' dejta oriġinali)
- Sett tad-dejta anonimizzat (dejta anonimizzata tas-sett tad-dejta tal-ferrovija, sett tad-dejta oriġinali nieqes is-sett tad-dejta holdout)
- Sett tad-dejta sintetiku (dejta sintetizzata tas-sett tad-dejta tal-ferrovija, sett tad-dejta oriġinali nieqes is-sett tad-dejta holdout)
Is-settijiet tad-dejta 1, 3 u 4 intużaw biex iħarrġu kull mudell ta 'klassifikazzjoni, li rriżultaw fi 12 (3 x 4) mudell imħarreġ. SAS sussegwentement uża s-sett tad-dejta tal-holdout biex ikejjel l-eżattezza ta 'kull mudell fit-tbassir tat-tbassir tal-klijent.
SAS twettaq diversi evalwazzjonijiet bir-reqqa dwar il-preċiżjoni tad-dejta, il-protezzjoni tal-privatezza, u l-użabilità tad-dejta sintetika ġġenerata mill-AI ta' Syntho meta mqabbla mad-dejta oriġinali. Bħala konklużjoni, SAS evalwat u approvat id-dejta sintetika ta' Syntho bħala preċiża, sigura u li tista' tintuża meta mqabbla mad-dejta oriġinali.
Għandek xi mistoqsijiet?
Kellem lil wieħed mill-esperti tagħna
Riżultati inizjali tal-valutazzjoni tad-dejta minn SAS
Mudelli mħarrġa fuq data sintetika punteġġ simili ħafna meta mqabbla ma 'mudelli mħarrġa fuq data oriġinali
Id-dejta sintetika minn Syntho żżomm mhux biss għal mudelli bażiċi, iżda taqbad ukoll mudelli statistiċi profondi "moħbija" meħtieġa għal kompiti analitiċi avvanzati. Dan tal-aħħar jintwera fil-bar chart, li jindika li l-eżattezza tal-mudelli mħarrġa fuq data sintetika versus mudelli mħarrġa fuq data oriġinali huma simili. Għalhekk, data sintetika tista' tintuża għat-taħriġ attwali tal-mudelli. L-inputs u l-importanza varjabbli magħżula mill-algoritmi fuq data sintetika meta mqabbla ma 'data oriġinali kienu simili ħafna. Għalhekk, huwa konkluż li l-proċess ta 'mudellar jista' jsir fuq data sintetika, bħala alternattiva għall-użu ta 'data sensittiva reali.
Għaliex il-mudelli mħarrġa fuq data anonimizzata punteġġ agħar?
It-tekniki klassiċi tal-anonimizzazzjoni għandhom komuni li jimmanipulaw id-dejta oriġinali sabiex ifixklu l-intraċċar lura tal-individwi. Huma jimmanipulaw id-dejta u b'hekk jeqirdu d-dejta fil-proċess. Iktar ma tagħmilha anonima, aħjar id-data tiegħek tkun protetta, iżda wkoll aktar id-data tiegħek tinqered. Dan huwa speċjalment devastanti għall-kompiti tal-IA u tal-immudellar fejn "qawwa ta 'tbassir" hija essenzjali, minħabba li data ta' kwalità ħażina tirriżulta f'għarfien ħażin mill-mudell tal-AI. SAS wera dan, b'erja taħt il-kurva (AUC*) qrib 0.5, li juri li l-mudelli mħarrġa fuq dejta anonimizzata jaħdmu bil-bosta l-agħar.
Riżultati addizzjonali ta' valutazzjonijiet ta' data sintetika minn SAS
Riżultati addizzjonali ta' valutazzjonijiet ta' data sintetika minn SAS
Il-korrelazzjonijiet u r-relazzjonijiet bejn il-varjabbli ġew ippreservati b'mod preċiż f'dejta sintetika.
Iż-Żona taħt il-Kurva (AUC), metrika għall-kejl tal-prestazzjoni tal-mudell, baqgħet konsistenti.
Barra minn hekk, l-importanza varjabbli, li indikat il-qawwa ta 'tbassir tal-varjabbli f'mudell, baqgħet intatta meta tqabbel id-dejta sintetika mas-sett tad-dejta oriġinali.
Ibbażat fuq dawn l-osservazzjonijiet minn SAS u bl-użu ta 'SAS Viya, nistgħu nikkonkludu b'kunfidenza li d-dejta sintetika ġġenerata mis-Syntho Engine hija tabilħaqq ugwali mad-dejta reali f'termini ta' kwalità. Dan jivvalida l-użu ta 'dejta sintetika għall-iżvilupp tal-mudell, u jwitti t-triq għal analitika avvanzata b'dejta sintetika.
Konklużjonijiet mill-esperti tad-dejta tas-SAS
- Mudelli mħarrġa fuq dejta sintetika meta mqabbla mal-mudelli mħarrġa fuq dejta oriġinali juru prestazzjoni simili ħafna
- Mudelli mħarrġa fuq dejta anonimizzata b''tekniki klassiċi ta' anonimizzazzjoni' juru prestazzjoni inferjuri meta mqabbla ma' mudelli mħarrġa fuq id-dejta oriġinali jew dejta sintetika
- Il-ġenerazzjoni ta 'dejta sintetika hija faċli u veloċi minħabba li t-teknika taħdem eżattament l-istess għal kull sett ta' dejta u għal kull tip ta 'dejta
Artikli ta' referenza
- Valutazzjoni mill-esperti tad-dejta tas-SAS: https://blogs.sas.com/content/hiddeninsights/2022/07/07/ai-generated-synthetic-data-easy-and-fast-access-to-high-quality-data/
- Syntho rebbieħ tal-hackathon globali SAS: https://www.linkedin.com/feed/update/urn:li:activity:7070047376249376769/
- Riżultati tal-istudju tal-każ tal-kura tas-saħħa: https://communities.sas.com/t5/SAS-Hacker-s-Hub/AI-Generated-Synthetic-Data-in-Healthcare/ta-p/863407
Issejvja l-gwida tad-dejta sintetika tiegħek issa!
- X'inhi dejta sintetika?
- Għaliex l-organizzazzjonijiet jużawha?
- Valur miżjud każijiet sintetiċi klijent data
- Kif tibda
