数据在21世纪是最大的资源。毋庸置疑,它通常被称之为第四代产业,只有公司采用这种模式收集数据，并利用数据做出明智决策的公司，才会蓬勃发展。但是收集数据和进行实验并不像听起来那么简单，大多数中等公司没有存储可扩展数据的基础设施或资源。在大多数情况下，当您必须在没有可扩展数据的情况下测试机器学习/人工智能模型时，我们必须使用机器学习生成合成数据。在一些用例中，公司之所以生成合成数据，是由于它们希望对数据保密。

使用合成数据仓库生成合成数据

合成数据仓库（SDV）是一个生成合成数据的生态系统，允许用户通过了解单表、多表、文本和时间序列数据集，轻松创建合成数据。SDV主要是使用计算机概率图形统计模型和深度学习人脸识别技术来生成自然语言合成系统的数据。

在我们的场景中，我们将使用高斯连接函数（Gaussian Coupla）来生成合成数据——高斯连接函数是一种方法，我们通过使用协方差矩阵来生成多变量随机变量。

为了使实例拟合高斯连接函数，不妨将通用数据集导入到笔记本（notebook），我们不妨从kaggle下载保险索赔数据集。该数据集具有分类、连续和自由的文本数据，因此我们可以看到SDV库的有效性/范围。

只需观察原始数据和生成的合成数据之间的数据类型；它们完全匹配，这表明SDV运行起来有多高效。”我们希望这项研究能帮助开发人员更好地理解sdv，并在未来的应用中发挥作用。