book

Generación Práctica de Datos Sintéticos

by Khaled El Emam, Lucy Mosquera, Richard Hoptroff

October 2024

Intermediate to advanced

166 pages

4h 57m

Spanish

O'Reilly Media, Inc.

Read now

Unlock full access

Convenciones utilizadas en este libroAprendizaje en línea O'ReillyCómo contactar con nosotrosAgradecimientos
Definición de datos sintéticosSíntesis a partir de datos realesSíntesis sin datos realesSíntesis y utilidadLas ventajas de los datos sintéticosAcceso eficaz a los datosPermitir mejores análisisDatos sintéticos como proxyAprender a confiar en los datos sintéticosCasos prácticos de datos sintéticosFabricación y distribuciónSanidadServicios financierosTransporteResumen
Cuándo sintetizarEspectro de identificabilidadCompromisos en la selección de PET para permitir el acceso a los datosCriterios de decisiónPET consideradasMarco de decisiónEjemplos de aplicación del marco de decisiónProyectos de síntesis de datosPasos de la síntesis de datosPreparación de datosEl proceso de síntesis de datosGestión del Programa de SíntesisResumen
Datos de encuadreCómo se distribuyen los datosAjustar distribuciones a datos realesGenerar datos sintéticos a partir de una distribuciónMedir la adecuación de los datos sintéticos a una distribuciónEl dilema del sobreajusteUn poco de escarda ligeraResumen
Marco de Utilidad de Datos Sintéticos: Replicación del AnálisisMarco de Utilidad de Datos Sintéticos: Métricas de UtilidadComparación de distribuciones univariantesComparación de estadísticas bivariantesComparación de modelos de predicción multivarianteDistinguibilidadResumen
Generar datos sintéticos a partir de la teoríaMuestreo de una distribución normal multivarianteInducir Correlaciones con Distribuciones Marginales EspecificadasCópulas con distribuciones marginales conocidasGenerar datos sintéticos realistasAjustar datos reales a distribuciones conocidasUtilizar el aprendizaje automático para ajustar las distribucionesDatos sintéticos híbridosMétodos de aprendizaje automáticoMétodos de aprendizaje profundoSintetizar secuenciasResumen
Tipos de divulgaciónRevelación de identidadAprender algo nuevoDivulgación de atributosRevelación inferencialDivulgación significativa de la identidadDefinir la ganancia de informaciónReunirlo todoPartidos únicosCómo afecta la ley de privacidad a la creación y uso de datos sintéticosCuestiones en el marco del GDPRCuestiones en el marco de la CCPACuestiones en el marco de la HIPAADictamen del Grupo de Trabajo del Artículo 29Resumen
Gestión de la complejidad de los datosPara cada paso de preprocesamiento hay un paso de postprocesamientoTipos de campoLa necesidad de normasNo todos los campos tienen que sintetizarseSintetizar fechasSintetizar la geografíaCampos y tablas de búsquedaDatos que faltan y otras características de los datosSíntesis parcialOrganizar la síntesis de datosCapacidad de cálculoUna caja de herramientas de técnicasSintetizar cohortes frente a conjuntos de datos completosAlimentación continua de datosGarantía de privacidad como certificaciónRealizar estudios de validación para conseguir apoyoPruebas de Intruso Motivado¿Quién es el propietario de los Datos Sintéticos?Conclusiones

Content preview from Generación Práctica de Datos Sintéticos

Capítulo 4. Evaluación de la utilidad de los datos sintéticos

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: translation-feedback@oreilly.com

Para lograr un uso y una adopción generalizados, los datos sintéticos deben tener la utilidad suficiente para producir resultados de análisis similares a los de los datos originales.¹ Éste es el ejercicio de creación de confianza que se trató en el Capítulo 1. Si sabemos con precisión cómo se van a utilizar los datos sintéticos, podemos sintetizarlos para que tengan una gran utilidad para ese fin; por ejemplo, si se conoce el tipo específico de análisis estadístico o modelo de regresión que se realizará con los datos sintéticos. Sin embargo, en la práctica, los sintetizadores no suelen conocer a priori todos los análisis que se realizarán con los datos sintéticos. Los datos sintéticos deben tener una gran utilidad para una amplia gama de usos posibles.

En este capítulo se esboza un marco de utilidad de datos que puede utilizarse para los datos sintéticos. Un marco común de utilidad de datos sería beneficioso porque permitiría lo siguiente:

Que los sintetizadores de datos optimicen sus métodos de generación para conseguir una granutilidad de los datos
Diferentes enfoques de síntesis de datos para que los usuarios puedan compararlos de forma coherente al elegir entre métodos de síntesis de datos
Que los usuarios de los datos comprendan rápidamente la fiabilidad de los resultados de los datos sintéticos ...