sdv

SDV（Synthetic Data Vault）是一个用于创建表格合成数据的Python库。它使用一系列机器学习模型从真实数据中学习模式，并在生成的数据中重现这些模式。 README中描述的主要能力： - 多种合成器，从经典统计方法（GaussianCopula）到深度学习（CTGAN）。 - 支持单表、多个相互关联的表以及序列表。 - 元数据驱动建模：列数据类型、主键和关系都在元数据中描述。 - 评估与可视化：通过质量报告和列图比较合成数据与真实数据。 - 预处理、匿名化选项，以及用于编码业务规则的逻辑约束。 - 通过Colab笔记本提供演示数据集和教程，另有文档和社区论坛。 典型工作流程：下载演示数据集和元数据，实例化诸如GaussianCopulaSynthesizer之类的合成器，在真实数据上拟合，然后采样合成行。质量报告会计算总体得分以及列形状和列对趋势的细分。 该项目是The Synthetic Data Vault Project的一部分，最初于2016年在MIT的Data to AI Lab创建，后来由DataCebo开发。它根据Business Source License分发，可通过pip或conda安装。