Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Si applica solo a:
Portale di Foundry (versione classica). Questo articolo non è disponibile per il nuovo portale foundry.
Altre informazioni sul nuovo portale.
Nota
I collegamenti in questo articolo potrebbero aprire contenuto nella nuova documentazione di Microsoft Foundry anziché nella documentazione di Foundry (versione classica) visualizzata.
Nel portale di Microsoft Foundry è possibile usare la generazione di dati sintetici per produrre in modo efficiente stime per i set di dati. Questo articolo presenta il concetto di generazione di dati sintetici e come usarlo in Machine Learning.
Che cos'è la generazione di dati sintetici?
La generazione di dati sintetici implica la creazione di dati artificiali che simulano le proprietà statistiche dei dati reali. Questi dati vengono generati tramite algoritmi e tecniche di Machine Learning. È possibile usare i dati in diversi modi, ad esempio simulazioni di computer o modellazione di eventi reali.
Benefici
In Machine Learning, i dati sintetici sono utili per:
Aumento dei dati: consente di espandere le dimensioni dei set di dati di training, che è fondamentale per il training di modelli di Machine Learning affidabili. Questa tecnica di espansione è particolarmente utile quando i dati reali sono scarsi o costosi da ottenere.
Test e convalida: consente test e convalida estesi dei modelli di Machine Learning in diversi scenari senza la necessità di dati reali.
Notebook di esempio
Per informazioni su come generare dati sintetici, è possibile usare il notebook di esempio.