Компьютерные науки > Машинное обучение [представлено 24 октября 2026 года] Название: Faithul Feedian Tabular Data Smilation View PDF HTML (экспериментальное) Резюме: Синтетические данные являются важным источником данных в эпоху ИИ. В настоящем документе изучается вопрос о подготовке таблиц синтетических данных смешанного типа в федеративных средах, где возникают две ключевые проблемы: обеспечение достоверности распределения и эффективная обработка данных смешанной категории. Мы предлагаем Федеративную интеграционно-двухступенчатый синтез (ФИТС) в качестве основы для обобщения данных в виде таблиц смешанного типа. В его основе лежит двухступенчатый федеративный алгоритм для оценки условных функций кумулятивного распределения (CDF) с использованием местной линейной регрессии. Основываясь на этом алгоритме, мы разрабатываем федеративную процедуру синтезирования, основанную на правиле вероятностной цепи для обеспечения распределительной достоверности. Для обработки данных смешанного типа FITS вводит метод постоянной передачи дискретных переменных в непрерывное пространство и восстановления их дискретного распределения без потерь как на уровне функции плотности, так и на уровне CDF. Эта трансформация обеспечивает единообразное непрерывное представление переменных смешанного типа, облегчая применение местной линейной регрессии и сбор синтетических данных. Наш теоретический анализ характеризует условные функции плотности и кумулятивного распределения переменных смешанного типа, а…
Подтвержденный сводный статистический документ
arXiv: 261 030.33403v 1 Annuse Type: кросс-бюллетень: Синтетические данные являются важным источником данных в эпоху ИИ. В настоящем документе изучается вопрос о подготовке таблиц синтетических данных смешанного типа в федеративных средах, где возникают две ключевые проблемы: обеспечение достоверности распределения и эффективная обработка данных смешанной категории. Мы предлагаем Федеративную интеграционно-двухступенчатый синтез (ФИТС) в качестве основы для обобщения данных в виде таблиц смешанного типа. В его основе лежит двухступенчатый федеративный алгоритм для оценки условных функций кумулятивного распределения (CDF) с использованием местной линейной регрессии. Основываясь на этом алгоритме, мы разрабатываем федеративную процедуру синтезирования, основанную на правиле вероятностной цепи для обеспечения распределительной достоверности. Для обработки данных смешанного типа FITS вводит метод постоянной передачи дискретных переменных в непрерывное пространство и восстановления их дискретного распределения без потерь как на уровне функции плотности, так и на уровне CDF. Это преобразование обеспечивает единое непрерывное представительство mi