tdspora/syngen

EPAM Syngen Docker镜像文档

镜像概述

EPAM Syngen是一款无监督表格数据生成工具，主要用于根据给定表作为模板生成测试数据。该工具基于变分自编码器（VAE）模型构建，并结合贝叶斯高斯混合模型进一步分离潜在空间，以生成高质量的合成数据。镜像托管于Docker Hub，便于快速部署和使用。

核心功能与特性

支持的数据类型

• 数值类型：浮点数、整数
• 时间类型：日期时间
• 文本类型：文本、分类、二进制

关键能力

• 支持关联表生成：可处理共享键（key）的关联表，采用简单统计方法保持表间数据一致性
• 多格式数据源支持：兼容CSV、Avro、Excel格式的本地数据源（需UTF-8编码）

使用场景

• 测试数据生成：为软件开发、系统测试提供符合原始数据分布的测试数据集
• 数据隐私保护：生成合成数据替代敏感真实数据，用于非生产环境的数据共享与分析
• 数据增强：扩充现有数据集，用于模型训练或数据分析任务

镜像信息与获取

• 镜像地址：https://hub.docker.com/repository/docker/tdspora/syngen
• 官方文档：https://github.com/tdspora/syngen/blob/main/README.md/#docker-images%EF%BC%88%E5%8C%85%E5%90%AB%E8%AF%A6%E7%BB%86%E4%BD%BF%E7%94%A8%E8%AF%B4%E6%98%8E%E5%92%8C%E9%97%AE%E9%A2%98%E5%8F%8D%E9%A6%88%E6%B8%A0%E9%81%93%EF%BC%89

使用方法

基本使用流程

1. 拉取镜像：

   bash
   docker pull tdspora/syngen
   

2. 运行容器： （具体参数配置需根据数据源路径、生成需求等调整，详细使用说明请参考官方GitHub文档）

3. 生成数据： 通过容器内工具命令指定模板表、数据源格式及生成参数，完成合成数据生成。

注意事项

• 数据源要求：需为本地存储的CSV、Avro或Excel文件，且必须采用UTF-8编码。
• 关联表生成：需确保关联表间的共享键定义清晰，以保证生成数据的一致性。
• 高级配置：模型参数调整、输出格式设置等高级功能请参考官方README文档。