^{^{由 DALL·E 3 生成}}
表格資料合成演算法的系統評估

用於調整、訓練和評估表格資料合成的原則性庫。

什麼是新的

[2024 年 11 月 24 日] 我們為 SynMeter 新增了新的 SOTA HP 合成器 REaLTabFormer！嘗試一下！

[2024 年 9 月 18 日] 我們為 SynMeter 新增了新的 SOTA HP 合成器 TabSyn！嘗試一下！

為什麼選擇 SynMeter：

？輕鬆添加新的合成器，無縫調優、訓練和評估各種合成器。
？差分專用 (DP) 和啟發式專用 (HP) 合成器的保真度、隱私和實用性的原則性評估指標。
幾種 SOTA 合成器，依類型：
- 統計方法：MST、PrivSyn
- 基於GAN：CTGAN、PATE-GAN
- 基於 VAE：TVAE
- 基於擴散：TabDDPM、TabSyn、TableDiffusion
- 法學碩士：偉大、真實

安裝

建立新的 conda 環境並設定：

conda create -n synmeter python==3.9
conda activate synmeter
pip install -r requirements.txt # install dependencies
pip install -e . # package the library

更改./lib/info/ROOT_DIR中的基本字典：

 ROOT_DIR = root_to_synmeter

？用法

數據集

SynMeter 提供了 12 個標準化資料集，其中包含用於基準測試的訓練/驗證/測試資料集，可從此處下載：Google Drive
您也可以透過將附加資料集放入./dataset輕鬆使用它。

調整評估器以進行效用評估

機器學習親和力需要具有調整超參數的機器學習模型，SynMeter 在./exp/evaluators中提供了 8 個常用的機器學習模型及其配置。
您可以在自訂資料集上調整這些評估器：

python scripts/tune_evaluator.py -d [dataset] -c [cuda]

調音合成器

我們為模型調優提供了統一的調優目標，因此，只需一個指令即可調優各種合成器：

python scripts/tune_synthesizer.py -d [dataset] -m [synthesizer] -s [seed] -c [cuda]

火車合成器

調整後，應將配置記錄到/exp/dataset/synthesizer ，SynMeter 可以使用它來訓練和儲存合成器：

python scripts/train_synthesizer.py -d [dataset] -m [synthesizer] -s [seed] -c [cuda]

評估合成器

評估合成資料的保真度：

python scripts/eval_fidelity.py -d [dataset] -m [synthesizer] -s [seed] -t [target]

評估合成資料的隱私性：

python scripts/eval_privacy.py -d [dataset] -m [synthesizer] -s [seed]

評估合成資料的效用：

python scripts/eval_utility.py -d [dataset] -m [synthesizer] -s [seed]

評估結果應保存在對應的字典/exp/dataset/synthesizer下。

客製化您自己的合成器

SynMeter的優點之一是提供最簡單的方法來添加新的合成演算法，需要三個步驟：

將新的模組化合成程式碼寫入./synthesizer/my_synthesiszer
在./exp/base_config中建立基本配置。
在./synthesizer中建立一個呼叫 python 函數，其中包含三個函數： train 、 sample和tune 。

然後，您可以自由地調整、運行和測試新的合成器！

？方法

統計方法

方法	類型	描述	參考
MST	DP	此方法使用機率圖模型來學習資料合成的低維邊緣的依賴性。	紙張、程式碼
專用同步器	DP	非參數 DP 合成器，迭代更新合成資料集使其與目標雜訊邊際匹配。	紙張、程式碼

生成對抗網路（GAN）

方法	類型	描述	參考
CTGAN	惠普	可以處理表格資料的條件生成對抗網路。	紙張、程式碼
派特甘	DP	此方法使用教師集合的私有聚合（PATE）架構並將其應用於 GAN。	紙張、程式碼

變分自動編碼器 (VAE)

方法	類型	描述	參考
電視AE	惠普	可以處理表格資料的條件 VAE 網路。	紙張、程式碼

擴散模型

方法	類型	描述	參考
選項卡DDPM	惠普	使用擴散模型進行表格資料合成	紙張、程式碼
標籤同步	惠普	使用潛在擴散模型和 VAE 進行合成。	紙張、程式碼
表擴散	DP	在差異隱私下產生表格資料集。	紙張、程式碼

基於大型語言模型 (LLM) 的模型

方法	類型	描述	參考
偉大的	惠普	使用 LLM 微調表格資料集。	紙張、程式碼
REALTabFormer	惠普	使用 GPT-2 學習表格資料的關係依賴性。	紙張、程式碼