使用案例

在開發隱私保護資料合成流程時，您可能會遇到一些特殊需求。以下場景將幫助您處理這些情況。每個主題都提供了完整的範例，您可以透過 Colab 連結直接執行與測試。

資料理解

資料洞察：資料描述

• 在合成之前了解您的資料
• 從不同的顆粒度分析資料特性
• 包含全域、欄位與配對統計

資料合成

• 若合成結果不理想，您可以：
  • 嘗試替換不同的合成演算法
  • 調整模型參數（如果有）
  • 進行更精細的資料前處理

資料品質提升：資料前處理

• 系統性處理資料中的各種品質問題
• 提供遺失值、編碼、極端值等多種處理方法
• 包含均勻編碼、標準化與離散化等技術

合成方法選擇：比較合成演算法

• 比較不同合成演算法的效果
• 在同一個實驗中使用多種演算法
• 包含 Gaussian Copula、CTGAN 與 TVAE

客製化合成：自定義合成

• 建立自己的合成方法
• 整合進 PETsARD 的合成流程

資料合理性：資料約束

• 確保合成資料符合實際業務規則
• 提供欄位值、欄位組合與空值的約束方法
• 包含數值範圍限制、類別對應關係與空值處理策略

資料評測

機器學習導向資料效用評測：機器學習效用

• 評估合成資料在分類、迴歸及聚類任務中的實用性
• 預設採用雙源控制組評測法以提供公平客觀比較
• 支援多種實驗設計以滿足不同場景需求

客製化評估：自定義評測

• 建立自己的評測方法
• 實作不同顆粒度的評估
• 整合進 PETsARD 的評測流程

流程提升

實驗流程驗證：基準資料集

• 使用基準資料集測試您的合成流程
• 確認合成參數設定的合理性
• 提供可靠的參考標準