想法

相比於數量有限的“有機”資料，我將分析、測評合成數據是否能實現改進。

動機

我對合成資料的有效性持懷疑態度——預測模型只能與用於訓練資料的資料集一樣好。這種懷疑論點燃了我內心的想法，即通過客觀調查來研究這些直覺。

需具備的知識

本文的讀者應該處於對機器學習相關理論理解的中間水平，並且應該已經熟悉以下主題以便充分理解本文：

• 基本統計知識，例如“標準差”一詞的含義

• 熟悉神經網路，SVM和決策樹（如果您只熟悉其中的一個或兩個，那可能就行了）

• 瞭解基本的機器學習術語，例如“訓練/測試/驗證集”的含義

合成數據的背景

生成合成資料的兩種常用方法是：

• 根據某些分佈或分佈集合繪製值

• 個體為本模型的建模

在這項研究中，我們將檢查第一類。為了鞏固這個想法，讓我們從一個例子開始吧！

想象一下，在只考慮大小和體重的情況下，你試圖確定一隻動物是老鼠，青蛙還是鴿子。但你只有一個數據集，每種動物只有兩個資料。因此不幸的是，我們無法用如此小的資料集訓練出好的模型！

這個問題的答案是通過估計這些特徵的分佈來合成更多資料。讓我們從青蛙的例子開始

參考這篇維基百科的文章（只考慮成年青蛙）：