Đánh giá bên ngoài về dữ liệu tổng hợp của chúng tôi bởi các chuyên gia dữ liệu của SAS

Chúng tôi đã sử dụng dữ liệu viễn thông được sử dụng để dự đoán “khuấy” làm dữ liệu mục tiêu. Mục tiêu của việc đánh giá là sử dụng dữ liệu tổng hợp để huấn luyện các mô hình dự đoán tỷ lệ rời bỏ khác nhau và đánh giá hiệu suất của từng mô hình. Vì dự đoán tỷ lệ rời bỏ là một nhiệm vụ phân loại nên SAS đã chọn các mô hình phân loại phổ biến để đưa ra dự đoán, bao gồm:

1. Rừng ngẫu nhiên
2. Tăng cường độ dốc
3. Hồi quy logistic
4. Mạng thần kinh

Trước khi tạo dữ liệu tổng hợp, SAS chia ngẫu nhiên tập dữ liệu viễn thông thành một tập hợp tàu (để huấn luyện các mô hình) và một tập hợp (để cho điểm các mô hình). Việc có một bộ lưu trữ riêng để cho điểm cho phép đánh giá khách quan về mức độ hoạt động của mô hình phân loại khi áp dụng cho dữ liệu mới.

Sử dụng tập hợp tàu làm đầu vào, Syntho sử dụng Công cụ Syntho của mình để tạo tập dữ liệu tổng hợp. Để đo điểm chuẩn, SAS cũng tạo ra một phiên bản ẩn danh của bộ tàu sau khi áp dụng các kỹ thuật ẩn danh khác nhau để đạt đến một ngưỡng nhất định (k-ẩn danh). Các bước trước đây dẫn đến bốn tập dữ liệu:

1. Tập dữ liệu về tàu (tức là tập dữ liệu gốc trừ đi tập dữ liệu giữ lại)
2. Tập dữ liệu giữ lại (tức là một tập con của tập dữ liệu gốc)
3. Tập dữ liệu ẩn danh (dữ liệu ẩn danh của tập dữ liệu tàu, tập dữ liệu gốc trừ tập dữ liệu loại trừ)
4. Tập dữ liệu tổng hợp (dữ liệu tổng hợp của tập dữ liệu tàu, tập dữ liệu gốc trừ tập dữ liệu giữ lại)

Bộ dữ liệu 1, 3 và 4 được sử dụng để huấn luyện từng mô hình phân loại, tạo ra 12 mô hình được huấn luyện (3 x 4). SAS sau đó đã sử dụng tập dữ liệu nắm giữ để đo lường độ chính xác của từng mô hình trong dự đoán tỷ lệ rời bỏ khách hàng.

SAS tiến hành nhiều đánh giá kỹ lưỡng khác nhau về độ chính xác của dữ liệu, bảo vệ quyền riêng tư và khả năng sử dụng dữ liệu tổng hợp do AI tạo của Syntho so với dữ liệu gốc. Kết luận, SAS đã đánh giá và phê duyệt dữ liệu tổng hợp của Syntho là chính xác, an toàn và có thể sử dụng được so với dữ liệu gốc.