Fake It ’Til You Make It：大模型时代的“血液提供商” - 数据合成技术

0- 前言

Gartner 预测（Fake It to Make It： Companies Beef Up AI Models with Synthetic Data）：“到 2024 年，60% 的数据用于开发 AI 和分析项目将综合产生”， Gartner 指出，许多公司已经开始使用合成数据来训练他们的AI模型填补真实数据的不足，同时应对数据稀缺和隐私问题；2023年11 月发表在《自然》杂志上的研究也表明使用合成数据替代真实医疗保健数据的有效性。

在本文中，我们从合成数据角度入手，了解其中的一个具体领域：表格数据合成 与相关组件。

1- 何为合成数据？何为表格合成数据？

1.1 合成数据（Synthetic Data）

合成数据（Synthetic Data）是通过算法、统计模型或生成人工智生成的数据，而非真实的观测数据。 为了生成一组合成数据，需要通过算法分析原始数据从而得到原始数据中的特征分布、特征之间的关联以及特征规律等要素，再进行生成。总的来说，合成数据具有以下优势：

1. 可控性强：可根据