SDV 合成方法

PETsARD 整合 SDV (Synthetic Data Vault) 套件，提供多種先進的合成資料生成演算法。

⚠️

重要通知：內建的 SDV 整合方法未來有計劃下架。建議使用 SDV Custom Methods 以獲得更好的靈活性和長期支援。

ℹ️

注意：本文件僅提供 YAML 配置範例，不提供 Jupyter notebook 範例。

使用範例

Loader:
  load_benchmark_with_schema:
    filepath: benchmark://adult-income
    schema: benchmark://adult-income_schema

Synthesizer:
  gaussian:
    method: sdv-single_table-gaussiancopula

  ctgan:
    method: sdv-single_table-ctgan

  copulagan:
    method: sdv-single_table-copulagan

  tvae:
    method: sdv-single_table-tvae

方法一覽

方法	method 設定值	特點	GPU
GaussianCopula	`default` 或 `sdv-single_table-gaussiancopula`	快速、適合大型資料	✗
CTGAN	`sdv-single_table-ctgan`	高品質、複雜模式	✓
CopulaGAN	`sdv-single_table-copulagan`	平衡統計與深度學習	✓
TVAE	`sdv-single_table-tvae`	訓練穩定、收斂快	✓

方法說明

GaussianCopula

基於統計分布的經典方法，執行速度快，適合快速原型測試。

特點：

✓ 速度快，適合大型資料
✓ 低計算需求
✗ 主要捕捉線性相關性

CTGAN

基於 GAN 的深度學習方法，生成品質最佳。

特點：

✓ 高品質合成資料
✓ 適合複雜資料模式
✗ 訓練時間較長

預設參數：

epochs: 300
batch_size: 500
generator_lr: 0.0002
discriminator_lr: 0.0002

CopulaGAN

結合 Copula 統計與 GAN，適合混合型資料。

特點：

✓ 平衡統計與深度學習優點
✓ 更好的邊際分布模擬
✓ 適合連續與離散混合資料

預設參數：

epochs: 300
batch_size: 500
default_distribution: beta

TVAE

基於 VAE 的生成模型，訓練過程穩定。

特點：

✓ 穩定的訓練過程
✓ 較好的收斂性
✓ 適合中等規模資料

預設參數：

epochs: 300
batch_size: 500
encoder_layers: [128, 128]
decoder_layers: [128, 128]

自動功能

Schema 轉換

PETsARD 自動將內部 Schema 轉換為 SDV Metadata

自動參數

所有方法自動啟用：

enforce_rounding: 整數四捨五入
enforce_min_max_values: 數值範圍限制（GaussianCopula、TVAE）

GPU 偵測

深度學習方法（CTGAN、CopulaGAN、TVAE）自動偵測並使用 GPU。

選擇建議

情境	建議方法
快速測試	GaussianCopula
高品質需求	CTGAN
混合型資料	CopulaGAN
中型資料	TVAE
大型資料	GaussianCopula

可用分布

GaussianCopula 與 CopulaGAN 支援：

norm：常態分布
truncnorm：截斷常態分布（預設）
beta：Beta 分布
gamma：Gamma 分布
uniform：均勻分布
gaussian_kde：核密度估計

限制

內建整合限制

✗ 無法調整訓練參數（epochs、batch_size 等）
✗ 無法指定分布類型
✗ 無法手動選擇 CPU/GPU

注意事項

深度學習方法在 GPU 上訓練更快
預設 300 epochs，CPU 訓練可能耗時
大型資料配合深度學習需大量記憶體
內建整合參數固定，無法調整

自訂合成方法：SDV