合成タブラーデータの構造化評価

タブラーデータは一般的でありながら、通常は不完全で、ボリュームが小さく、プライバシーの懸念からアクセスが制限されています。合成データ生成は潜在的な解決策を提供します。合成タブラーデータの品質を評価するための多くの指標が存在しますが、多くの指標の客観的で一貫した解釈が不足しています。この問題を解決するために、合成データが観測データと同じ分布から生成されるべきであるとする単一の数学的目的を持つ評価フレームワークを提案します。目的のさまざまな構造的分解を通じて、このフレームワークは、どの指標の集合の完全性についても初めて論理的に考えることを可能にし、忠実度、ダウンサムアプリケーション、モデルベースのアプローチから派生した既存の指標を統一します。さらに、このフレームワークはモデルフリーベースラインや新しい指標のスペクトルを促進します。私たちは構造的に情報を得た合成器と深層学習によって強化された合成器を評価します。私たちの構造化されたフレームワークを使用して、タブラーストラクチャを明示的に表現する合成データ生成器が、特に小さなデータセットにおいて他の方法を上回ることを示します。