想法
相比于数量有限的“有机”数据，我将分析、测评合成数据是否能实现改进。
动机
我对合成数据的有效性持怀疑态度——预测模型只能与用于训练数据的数据集一样好。这种怀疑论点燃了我内心的想法，即通过客观调查来研究这些直觉。
需具备的知识
本文的读者应该处于对机器学习相关理论理解的中间水平，并且应该已经熟悉以下主题以便充分理解本文：
-
基本统计知识，例如“标准差”一词的含义
-
熟悉神经网络，SVM和决策树（如果您只熟悉其中的一个或两个，那可能就行了）
-
了解基本的机器学习术语，例如“训练/测试/验证集”的含义
合成数据的背景
生成合成数据的两种常用方法是：
-
根据某些分布或分布集合绘制值
-
个体为本模型的建模
在这项研究中，我们将检查第一类。为了巩固这个想法，让我们从一个例子开始吧！
想象一下，在只考虑大小和体重的情况下，你试图确定一只动物是老鼠，青蛙还是鸽子。但你只有一个数据集，每种动物只有两个数据。因此不幸的是，我们无法用如此小的数据集训练出好的模型！
这个问题的答案是通过估计这些特征的分布来合成更多数据。让我们从青蛙的例子开始
参考这篇维基百科的文章（只考虑成年青蛙）：