什麼是綜合資料？

綜合資料為組織提供多種優勢。我們將在下面討論其中一些優勢。

無限量產生資料

可以隨需產生幾乎無限規模的綜合資料。綜合資料產生工具是取得更多資料的一種經濟高效的方式。這些工具還可以預先標注 (分類或標記 ) 為機器學習使用案例產生的資料。您無需經歷從頭開始轉換原始資料的程序，即可存取結構化的標注資料。還可以將綜合資料新增至擁有的總資料量中，從而產生更多用於分析的訓練資料。

隱私權保護

醫療保健、金融和法律部門等領域制定了許多保護敏感性資料的隱私權、著作權和合規法規。但是，這些領域必須使用資料進行分析和研究，通常必須將資料外包給第三方以最大限度地利用資料。它們可以使用綜合資料代替個人資料來達到與這些私有資料集相同的目的。它們建立類似的資料，在不暴露私有或敏感性資料的情況下顯示相同的統計相關資訊。以醫學研究依據即時資料集建立綜合資料為例，綜合資料保持與原始資料集相同的生物學特徵和遺傳標記百分比，但所有姓名、地址和其他個人患者資訊都是虛假的。

偏差減少

可以使用綜合資料來減少人工智慧訓練模型中的偏差。由於大型模型通常在公開提供的資料上進行訓練，因此文字中可能會存在偏差。研究人員可以使用綜合資料來對比 AI 模型收集的任何帶偏差的語言或資訊。例如，如果某些以觀點為基礎的內容偏向特定群體，則可以建立綜合資料來平衡整個資料集。

綜合資料的產生涉及使用運算方法和模擬來建立資料。結果模仿現實世界資料的統計特性，但不包含實際的真實觀測結果。產生的資料可以採用各種形式，包括文字、數位、資料表或更複雜的類型，例如影像和視訊。產生綜合資料主要有三種方法，每種方法都提供不同層級的資料準確性和類型。 

統計分佈

在這種方法中，首先分析真實資料以確定其潛在的統計分佈，例如正態分佈、指數分佈或卡方分佈。然後，資料科學家從這些已識別的分佈中產生綜合範例，以建立在統計學上與原始資料集相似的資料集。

以模型為基礎

在這種方法中，訓練機器學習模型以理解和複寫真實資料的特徵。經過訓練的模型可以產生與真實資料具有相同統計分佈的人工資料。這種方法對於建立混合資料集特別有用，混合資料集將真實資料的統計特性與其他綜合元素相結合。

深度學習方法

可以使用生成對抗網路 (GAN)、變分自動編碼器 (VAE) 等進階技術來產生綜合資料。這些方法通常用於更複雜的資料類型，例如影像或時間序列資料，並且可以產生高品質的綜合資料集。
 

建立綜合資料時會面臨一些挑戰。以下是您在使用綜合資料時可能會遇到的一些一般限制和挑戰。

品質控制

資料品質在統計和分析中至關重要。在將綜合資料納入學習模型之前，必須檢查其準確性以及是否達到最低資料品質水準。但是，確保沒有人能夠透過綜合資料點追溯到真實資訊可能需要降低準確性。在隱私權和準確性方面進行權衡可能會影響品質。

在使用綜合資料之前，您可以對其進行手動檢查，這可以幫助解決此問題。但是，如果您需要產生大量綜合資料，則手動檢查可能會變得很耗時。

技術挑戰

建立綜合資料很困難 — 必須了解技術、規則和當前方法，以確保其準確性和實用性。在產生任何有用的綜合資料之前，您需要在該領域具有很高的專業知識。

無論您掌握多少專業知識，要產生綜合資料來完美模仿現實世界中的資料都是一項艱巨的任務。例如，現實世界的資料通常包含異常值和異常狀況，綜合資料生成演算法很少能重現這些異常值和異常狀況。

利害關係人的困惑

儘管綜合資料是一種有用的補充工具，但並非所有利害關係人都能理解其重要性。作為一項較新的技術，一些企業使用者可能不認為綜合資料分析與現實世界息息相關。另一方面，由於產生的受控方面，其他人可能會過分強調結果。向利害關係人傳達這項技術的局限性及其結果，確保他們瞭解優缺點。