Sentetik Veri Nedir?
Sentetik veriler, bilgisayar algoritmaları tarafından gerçek dünya ortamında elde edilebilecek sonuçlara benzer olarak üretilen , yapay verilerdir. Bilgisayarlar tarafından simülasyonlar kullanılarak elde edilirler. Üretiminde yapay zeka teknolojileri yer almaktadır. Oluşturulan veri kümesi, gerçek veri kümelerine benzer olmaktadır. Özellikle gerçek veri kümeleri ve yapay veri kümelerinin matematiksel olarak benzer özellikleri olmaktadır.
Günümüzde gerçek verilerin kullanılmasının sorunlu olduğu(sağlık, ulusal güvenlik vb.) çalışmalarda veya daha çok veri ihtiyacı olan(GPT model eğitimi) vb. durumlar için sentetik veriler hem verilerin çok olmasını hem de güvenlik durumlarını sağlamaktadır.
Sentetik Veri Avantajları Nelerdir?
Sınırsız bir şekilde istediğiniz türde, otomatik olarak kategorize edilebilir veriler elde edebilirsiniz. Sınırsız olarak yapay veriler üretebilir ve gerçek verilere ihtiyaç duymadan yapay zeka modellerinizi eğitebilirsiniz. Ayrıca gerçek verilerin sınırlı olması dezavantajına dikkat etmeden yapay zeka modelleriniz için, veri bilimi için veri setleri vb. çalışmalarınız için kaynak elde edebilirsiniz.
Ayrıca gizli olarak kalması gereken verilerin paylaşılmaması gerekir. Herkes için veya çeşitli çalışmalar için benzer özellikte yer alan veriler üretebilirsiniz. Veriler ile birlikte finansal, hukuk ve sağlık verilerini korunması ama aynı anda çeşitli çalışmalarda kullanılması gerekir. Bu ihtiyaç için ise çeşitli algoritmalar ve simülasyonlar ile yeni, gerçek veri içermeyen veri setleri oluşturulabilir.
Tıbbi olarak bir veri setini paylaşmanız gerekmektedir ama bu verileri doğrudan paylaşamazsınız. Yüzdelik olarak, veri özellikleri olarak ve daha fazla özellik olarak orijinal verilerden yeni ve benzer olmayan veriler üretebilir ve paylaşabilirsiniz.
Sentetik Veri Türleri
Kısmi Sentetik Veri
Kısmen sentetik veri, küçük bir değişiklik ile gerçek veri kümesinin paylaşılması ile gerçekleştirilir. Örnek olarak bir emlak verisinin içinde özel müşterilerinizin verilerini kullanmadan , veri setinin genel olarak benzer özelliklerine yakın veriler oluşturulabilir ve kısmi olarak verileri değiştirebilirsiniz.
Tamamen Sentetik Veri
Tamamen sentetik veriler, hiç bir gerçek veri olmadan ise sadece istatistiksel, analiz yüzdeleri tamamen benzer veriler ile oluşturulur. Örnek olarak bir hukuk verisindeki suçları doğrudan paylaşmadan sadece benzer şekilde oluşturulmuş suç verileri yapay veriler üretebilirsiniz.
Sentetik Veriler Nasıl Oluşturulur?
İstatistiksel Dağılım
İstatistiksel dağılım, bir veri kümesindeki değerlerin ne sıklıkla belirli aralıklara düştüğünü gösteren bir matematiksel modeldir. Bu model, ortalama, varyans, çarpıklık ve basıklık gibi çeşitli istatistiksel ölçümler yoluyla tanımlanır. İstatistiksel dağılımlar, yapay veri kümesi oluşturmada önemli bir rol oynar. Gerçek bir veri kümesinden ortalama, varyans, çarpıklık ve basıklık gibi istatistiksel ölçümler hesaplanarak, bu ölçümlerle uyumlu yeni veriler üretilebilir.
Model Tabanlı
Makine öğrenmesi modelleri ile birlikte veri özelliklerini kopyalayıp yeni veriler elde edilmesi ile oluşturulur. Yapay veriler ile orijinal veriler arasında istatistiksel benzerlikler vardır. Ayrıca hibrit veri kümeleri oluşturulabilir.
Derin Öğrenme Yöntemleri
Çekişmeli üretici ağlar(GAN) vb. algoritmalar ile geliştirilmiş teknikler kullanılarak daha yüksek kaliteli sentetik veriler elde edilebilir. İstatistiksel dağılımlar yapay veri oluşturmada önemli bir rol oynarken, derin öğrenme yöntemleri daha da yüksek kaliteli ve gerçekçi sentetik veriler üretmek için kullanılabilir. Bu yöntemler, karmaşık veri bağımlılıklarını ve ilişkilerini öğrenerek daha sofistike ve gerçekçi veri modelleri oluşturabilir. Üretici, ayrımcının kandırabileceği sahte veriler üretmeye çalışırken, ayrımcı sahte verileri doğru şekilde tanımlamayı öğrenir. Bu rekabet süreci, her iki ağın da zamanla gelişmesine ve daha gerçekçi veriler üretmesine yol açar. Derin öğrenme tabanlı sentetik veri oluşturma hala gelişmekte olan bir alandır, ancak birçok alanda büyük bir potansiyele sahiptir. Gelecekte, bu teknikler daha da gerçekçi ve kullanışlı veriler üretmek için kullanılacaktır.
Örnek Bir Çalışma
[3] Kaynağında ise sağlık verisi kullanımının etik, bürokratik ve operasyonel zorlukları nedeniyle, sentetik veri üretiminin önemi ve SMOTE, SMOTEENN, BorderlineSMOTE, SMOTETomek ve ADASYN gibi sentetik veri üretme tekniklerinin karşılaştırılmasıdır. 390 hastaya ait 15 değişkenden oluşan veri seti ve 9.212 COVID-19 hastasına ait 16 değişkenden oluşan veri seti kullanılmıştır. SMOTE tekniği, gözlem ve sınıf sayısının fazla olduğu veri setini dengelemede kullanılmıştır. SMOTE tekniği sentetik veri üretmek için uygun bir yöntem olarak kullanılmıştır.