Synthos kvalitetssikringsrapport vurderer genererte syntetiske data og demonstrerer nøyaktigheten, personvernet og hastigheten til de syntetiske dataene sammenlignet med de originale dataene.
Hos Syntho forstår vi viktigheten av pålitelige og nøyaktige syntetiske data. Det er derfor vi gir en omfattende kvalitetssikringsrapport for hver syntetiske datakjøring. Kvalitetsrapporten vår inkluderer ulike beregninger som distribusjoner, korrelasjoner, multivariate distribusjoner, personvernmålinger og mer. På denne måten kan du enkelt vurdere at de syntetiske dataene vi leverer er av høyeste kvalitet og kan brukes med samme nivå av nøyaktighet og pålitelighet som dine originale data.
Får et glimt: denne delen illustrerer høydepunkter fra vår kvalitetsrapport for syntetiske data. Våre vurderinger undersøker de syntetiske dataene i sammenligning med de virkelige dataene på tvers av ulike dimensjoner.
Syntetisk datagenerering er kompleks og fallgruver finnes og må kontrolleres for. Med AI-algoritmer er overtilpasning en risiko, og dette er også tilfelle for syntetisk datagenerering med AI. Derfor bør man kontrollere risikoen for overtilpasning ved generering av syntetiske data. Risikoen for overmontering er kontrollert i Syntho-motoren. I tillegg lar Syntho Quality Assurance-rapporten (QA) organisasjoner demonstrere at de syntetiske dataene ikke overpasset de originale dataene. Vi vurderer også mer personvernrelaterte aspekter, som ofte brukes av internrevisorer.
Test på "eksakte treff" med identisk samsvarsforhold (IMR)
Demonstrasjon av at forholdet mellom de syntetiske datapostene som samsvarer med en reell post fra de originale dataene ikke er vesentlig større enn forholdet som kan forventes ved analyse av togdataene.
Test på "Lignende kamper" med Distance to Closest Record (DCR)
Demonstrasjon av at den normaliserte avstanden for syntetiske dataposter til deres nærmeste faktiske post innenfor de originale dataene ikke er vesentlig nærmere enn den avstanden som kan forventes ved analyse av togdataene.
Test på "Outliers" med Avstandsforhold for nærmeste nabo (NNDR)
Demonstrasjon av at avstandsforholdet mellom nærmeste og nest nærmeste syntetiske post til deres nærmeste post innenfor de opprinnelige dataene ikke er vesentlig nærmere enn forholdet som er å forvente for togdataene.
Dette er bare et øyeblikksbilde som oppsummerer essensen av vår kvalitetsutforskning og kvalitetssikringsrapport for syntetiske data. Det gir en nyansert forståelse av distribusjoner, korrelasjoner og multivariate distribusjoner som en del av syntetiske data som fanges opp av de avanserte egenskapene til Syntho Engine. Flere detaljer om vår kvalitetssikringsrapport er tilgjengelig på forespørsel.