การประเมินภายนอกของข้อมูลสังเคราะห์ของเราโดยผู้เชี่ยวชาญด้านข้อมูลของ SAS

เราใช้ข้อมูลโทรคมนาคมที่ใช้สำหรับการคาดการณ์ "ปั่น" เป็นข้อมูลเป้าหมาย เป้าหมายของการประเมินคือการใช้ข้อมูลสังเคราะห์เพื่อฝึกโมเดลการทำนายการเปลี่ยนใจต่างๆ และเพื่อประเมินประสิทธิภาพของแต่ละโมเดล เนื่องจากการทำนายการเปลี่ยนใจเป็นงานการจัดหมวดหมู่ SAS จึงเลือกแบบจำลองการจัดหมวดหมู่ยอดนิยมเพื่อทำการคาดการณ์ ซึ่งรวมถึง:

1. ป่าสุ่ม
2. ไล่โทนสี
3. การถดถอยโลจิสติก
4. เครือข่ายประสาทเทียม

ก่อนสร้างข้อมูลสังเคราะห์ SAS สุ่มแบ่งชุดข้อมูลโทรคมนาคมเป็นชุดรถไฟ (สำหรับฝึกโมเดล) และชุดพักสาย (สำหรับการให้คะแนนโมเดล) การมีการแบ่งแยกที่กำหนดไว้สำหรับการให้คะแนนช่วยให้สามารถประเมินอย่างเป็นกลางว่าแบบจำลองการจัดประเภทสามารถทำได้ดีเพียงใดเมื่อใช้กับข้อมูลใหม่

การใช้ชุดรถไฟเป็นอินพุต Syntho ใช้ Syntho Engine เพื่อสร้างชุดข้อมูลสังเคราะห์ สำหรับการเปรียบเทียบ SAS ยังสร้างชุดรถไฟเวอร์ชันที่ไม่เปิดเผยตัวตนหลังจากใช้เทคนิคการไม่เปิดเผยตัวตนต่างๆ เพื่อให้ถึงเกณฑ์ที่กำหนด (ของการไม่เปิดเผยตัวตนแบบ k) ขั้นตอนก่อนหน้านี้ส่งผลให้มีชุดข้อมูลสี่ชุด:

1. ชุดข้อมูลรถไฟ (เช่น ชุดข้อมูลดั้งเดิมลบชุดข้อมูลการระงับ)
2. ชุดข้อมูล holdout (เช่น ชุดย่อยของชุดข้อมูลเดิม)
3. ชุดข้อมูลที่ไม่ระบุตัวตน (ข้อมูลที่ไม่ระบุตัวตนของชุดข้อมูลรถไฟ ชุดข้อมูลดั้งเดิมลบด้วยชุดข้อมูลที่ระงับ)
4. ชุดข้อมูลสังเคราะห์ (ข้อมูลที่สังเคราะห์ของชุดข้อมูลรถไฟ ชุดข้อมูลดั้งเดิมลบด้วยชุดข้อมูลที่ระงับ)

ชุดข้อมูลที่ 1, 3 และ 4 ถูกนำมาใช้ในการฝึกโมเดลการจำแนกแต่ละโมเดล ส่งผลให้ได้โมเดลที่ได้รับการฝึก 12 (3 x 4) ต่อมา SAS ใช้ชุดข้อมูลการระงับเพื่อวัดความแม่นยำของแต่ละรุ่นในการทำนายการเลิกใช้งานของลูกค้า

SAS ดำเนินการประเมินอย่างละเอียดเกี่ยวกับความถูกต้องของข้อมูล การปกป้องความเป็นส่วนตัว และการใช้งานข้อมูลสังเคราะห์ที่สร้างโดย AI ของ Syntho เมื่อเปรียบเทียบกับข้อมูลต้นฉบับ โดยสรุป SAS ได้ประเมินและอนุมัติข้อมูลสังเคราะห์ของ Syntho ว่ามีความถูกต้อง ปลอดภัย และใช้งานได้เมื่อเปรียบเทียบกับข้อมูลต้นฉบับ