Tidsseriedata er en datatype preget av en sekvens av hendelser, observasjoner eller målinger samlet inn og ordnet med dato-tidsintervaller, som typisk representerer endringer i en variabel over tid, og støttes av Syntho.
Tidsseriedata er mer utfordrende å syntetisere fordi de trenger å fange opp de tidsmessige avhengighetene og mønstrene som er iboende i sekvensielle observasjoner i den virkelige verden. I motsetning til uavhengige og identisk distribuerte data, der hver observasjon ikke er relatert til de andre, viser tidsseriedata avhengigheter på tvers av tidstrinn. Mange organisasjoner og de fleste åpen kildekode-løsninger kan ikke syntetisere tidsserier godt eller støtter ikke tidsseriedata i det hele tatt.
Vår Syntho Engine er optimalisert for å syntetisere de mest komplekse tidsseriedataene nøyaktig. Vi har optimalisert modellene våre i samarbeid med ledende organisasjoner som arbeider med de mest komplekse tidsseriedataene.
Syntho samarbeidet med ledende organisasjoner, som Cedars Sinai Medical Center. Disse organisasjonene jobber med de mest komplekse tidsseriedataene. Dette gjør at Syntho kan bygge den beste sekvensmodellen ved å kunne syntetisere de mest komplekse tidsseriene nøyaktig.
Med vår Syntho Engine kan du nøyaktig syntetisere data som inneholder tidsserier. Vår tilnærming fanger godt opp korrelasjoner og statistiske mønstre mellom enhetstabellen og den tilhørende tabellen som inneholder longitudinell informasjon. Dette inkluderte til og med komplekse tidsseriestrukturer, for eksempel tidsserier med: