49、数据生成与元优化：CTGAN与超参数调优

数据生成与元优化：CTGAN与超参数调优

1. CTGAN：条件表格生成对抗网络

CTGAN（Conditional Tabular GAN）是一种用于生成表格数据的强大工具。它的官方实现以方便易用的包形式提供，可通过pip进行安装：

pip install sdv

1.1 简单CTGAN示例

为了保持一致性和便于比较，我们使用Higgs Boson数据集来生成人工样本。以下是一个简单的CTGAN训练和采样示例：

# using test dataset since it has more samples
import pandas as pd
from sdv.tabular import CTGAN

data = pd.read_csv("../input/higgsb/test.csv")
ctgan_model = CTGAN(verbose=True)
ctgan_model.fit(data)
new_data = ctgan_model.sample(num_rows=800)

在没有进行任何超参数调优的情况下，CTGAN的性能与之前讨论的VAE相比非常出色。从生成的合成数据和实际数据集的双变量关系对图来看，两者几乎难以区分。

1.2 条件生成

CTGAN的“C”（条件）特性赋予了模型很大的灵活性。我们可以指定“primary_key”来为特定特征生成唯一数据，并使用“anonymize_field”选项