Synthos kvalitetssäkringsrapport bedömer genererad syntetisk data och visar noggrannheten, integriteten och hastigheten för den syntetiska datan jämfört med originaldata.
På Syntho förstår vi vikten av pålitlig och korrekt syntetisk data. Det är därför vi tillhandahåller en omfattande kvalitetssäkringsrapport för varje syntetisk datakörning. Vår kvalitetsrapport innehåller olika mätvärden som distributioner, korrelationer, multivariata distributioner, sekretessmått och mer. På så sätt kan du enkelt bedöma att den syntetiska data vi tillhandahåller är av högsta kvalitet och kan användas med samma nivå av noggrannhet och tillförlitlighet som din ursprungliga data.
Fånga en glimt: det här avsnittet illustrerar höjdpunkter från vår kvalitetsrapport för syntetiska data. Våra bedömningar undersöker syntetiska data i jämförelse med verkliga data över olika dimensioner.
Syntetisk datagenerering är komplex och fallgropar finns och måste kontrolleras för. Med AI-algoritmer är överanpassning en risk och detta är också fallet för syntetisk datagenerering med AI. Därför bör man kontrollera risken för övermontering vid generering av syntetiska data. Risken för övermontering kontrolleras i Syntho Engine. Utöver det tillåter Syntho Quality Assurance-rapporten (QA) organisationer att visa att syntetiska data inte överpassade originaldata. Vi bedömer också mer integritetsrelaterade aspekter, som ofta används av internrevisorer.
Testa på "Exakta matchningar" med Identical Match Ratio (IMR)
Demonstration av att förhållandet mellan de syntetiska dataposterna som matchar en verklig post från originaldata inte är väsentligt större än det förhållande som kan förväntas vid analys av tågdata.
Testa på "Liknande matchningar" med Distance to Closest Record (DCR)
Demonstration av att det normaliserade avståndet för syntetiska dataposter till deras närmaste faktiska post inom originaldata inte är väsentligt närmare än det avstånd som kan förväntas vid analys av tågdata.
Testa på "Outliers" med Avståndsförhållande för närmaste granne (NNDR)
Demonstration att avståndsförhållandet mellan närmaste och näst närmaste syntetiska post till deras närmaste post inom originaldata inte är väsentligt närmare än det förhållande som är att förvänta för tågdata.
Detta är bara en ögonblicksbild som sammanfattar kärnan i vår kvalitetsutforskning och kvalitetssäkringsrapport för syntetiska data. Den erbjuder en nyanserad förståelse av distributioner, korrelationer och multivariata distributioner som en del av syntetisk data som fångas av de avancerade funktionerna hos Syntho Engine. Mer information om vår kvalitetssäkringsrapport finns tillgänglig på begäran.