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.
Im Azure KI Foundry-Portal können Sie die synthetische Datengenerierung nutzen, um effizient Vorhersagen für Ihre Datasets zu erzeugen. In diesem Artikel wird das Konzept der synthetischen Datengenerierung und deren Verwendung für maschinelles Lernen erläutert.
Worum handelt es sich bei der synthetischen Datengenerierung?
Die synthetische Datengenerierung umfasst das Erstellen von künstlichen Daten, die die statistischen Eigenschaften von realen Daten nachahmen. Diese Daten werden durch Algorithmen und Techniken aus dem Bereich des maschinellen Lernens generiert. Sie können die Daten auf verschiedene Weise verwenden (z. B. für Computersimulationen oder zum Modellieren von realen Ereignissen).
Vorteile
Beim maschinellen Lernen sind synthetische Daten für Folgendes wichtig:
Datenerweiterung: Sie helfen bei der Erweiterung der Größe von Trainingsdatasets, was für das Training robuster Machine Learning-Modelle von entscheidender Bedeutung ist. Diese Erweiterungstechnik ist besonders nützlich, wenn reale Daten knapp oder teuer sind.
Tests und Validierung: Die Daten ermöglichen umfangreiche Tests und Validierungen von Machine Learning-Modellen in verschiedenen Szenarios, ohne dass reale Daten erforderlich sind.
Beispiel Notebook
Um herauszufinden, wie synthetische Daten generiert werden, können Sie das Beispielnotebook verwenden.