fg-data-synthetic

收录理由

真实客户数据往往涉及隐私，不方便随意流转，合成数据便成了绕过这道坎的常用办法。这个项目恰好覆盖了最常遇到的两种数据形态：表格数据和时间序列。它内部集成了多种生成模型，包括基于GAN的架构，同时提供了一个基于高斯混合的快速方案，不需要GPU也能跑，对没有专门硬件团队的个人或小团队来说，能很快上手出结果。项目还附带了一个Streamlit应用，把生成过程搬到了图形界面上，分析师不用手写生成器代码，点几下就能完成数据产出。生成的合成数据保留了原始数据的统计结构，但去掉了可识别个人信息，用来跟合作伙伴分享数据集、搭演示原型，或者给样本量不足的训练集补数据，都很合适。