Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
Gilt nur für:
klassisches Foundry Portal. Dieser Artikel ist für das neue Foundry-Portal nicht verfügbar.
Erfahren Sie mehr über das neue Portal.
Hinweis
Links in diesem Artikel können Inhalte in der neuen Microsoft Foundry-Dokumentation anstelle der jetzt angezeigten Foundry-Dokumentation (klassisch) öffnen.
Im Microsoft Foundry-Portal können Sie die synthetische Datengenerierung verwenden, um Vorhersagen für Ihre Datasets effizient zu erzeugen. In diesem Artikel wird das Konzept der synthetischen Datengenerierung und deren Verwendung im maschinellen Lernen vorgestellt.
Was ist synthetische Datengenerierung?
Die synthetische Datengenerierung umfasst das Erstellen von künstlichen Daten, die die statistischen Eigenschaften von realen Daten nachahmen. Diese Daten werden durch Algorithmen und maschinelle Lerntechniken generiert. Sie können die Daten auf verschiedene Weise verwenden, z. B. Computersimulationen oder Modellieren von realen Ereignissen.
Vorteile
Bei maschinellem Lernen sind synthetische Daten nützlich für:
Datenerweiterung: Es hilft bei der Erweiterung der Größe von Schulungsdatensätzen, was für die Schulung robuster Machine Learning-Modelle von entscheidender Bedeutung ist. Diese Erweiterungstechnik ist besonders nützlich, wenn reale Daten knapp oder teuer zu erhalten sind.
Tests und Validierung: Es ermöglicht umfangreiche Tests und Validierungen von Machine Learning-Modellen unter verschiedenen Szenarien, ohne dass reale Daten benötigt werden müssen.
Beispielnotizbuch
Um zu sehen, wie synthetische Daten generiert werden, können Sie das Beispielnotizbuch verwenden.