CTGAN — генерация синтетических табличных данных с CTGAN и TVAE
CTGAN — библиотека для генерации синтетических данных на основе глубокого обучения, предназначенная для работы с табличными данными из одной таблицы. Она позволяет обучать модели на реальных данных и затем создавать синтетические наборы данных. Инструмент может быть полезен специалистам, которым требуется генерировать искусственные данные для тестирования, разработки или анализа.
Возможности и состав проекта
Библиотека реализует модели CTGAN и TVAE, описанные в научной статье «Modeling Tabular data using Conditional GAN» 2019 года. Для использования CTGAN необходимо предоставить реальные данные и указать дискретные столбцы. После обучения модель может сгенерировать заданное количество синтетических записей. Данные должны быть предварительно подготовлены: непрерывные значения представлены как числа с плавающей точкой, дискретные — как целые числа или строки, а пропущенные значения должны отсутствовать.
Начало работы и требования
Проект находится на стадии Pre-Alpha, что указывает на ранний этап разработки. Разработчики рекомендуют использовать CTGAN через библиотеку SDV, которая предлагает более удобный API и функции предварительной обработки данных. Прямая установка CTGAN доступна через pip или conda для тех, кому нужна только эта функциональность.
Ограничения и выбор сценария
Синтетические строки не являются автоматически анонимными: модель может сохранять редкие сочетания или воспроизводить фрагменты обучения. До распространения нужно оценить риск раскрытия и пригодность распределений для целевой задачи. CTGAN работает с одной таблицей и не обеспечивает согласованность произвольных связей между таблицами; предобработка и выбор дискретных колонок влияют на результат.
Лицензия и условия использования
В проверенном LICENSE CTGAN указана Business Source License 1.1 с Additional Use Grant: ограничено использование в коммерческом Synthetic Data Creation Service для третьих лиц. Для каждого выпуска предусмотрен переход на MIT через четыре года. Это не обычная MIT-лицензия текущего выпуска; перед внедрением сверьте полные определения, исключения и дату перехода.
