Inicio rápido: Generar datos tabulares sintéticos

Necesita un proyecto para almacenar los elementos.

Vea un vídeo para ver cómo crear un proyecto de recinto de pruebas y asociar un servicio. A continuación, siga los pasos para verificar que tiene un proyecto existente o cree un proyecto de recinto de pruebas.

1. En la pantalla de inicio de watsonx , desplácese a la sección Proyectos . Si ve algún proyecto listado, vaya a la Tarea 2. Si no ve ningún proyecto, siga estos pasos para crear un proyecto.

2. Pulse Crear un proyecto de recinto de pruebas. Cuando se cree el proyecto, verá el proyecto de recinto de seguridad en la sección Proyectos .

Para obtener más información o ver un vídeo, consulte Creación de un proyecto.

' Para previsualizar esta tarea, vea el vídeo que comienza en 00:24.

El conjunto de datos utilizado en esta guía de aprendizaje contiene información típica que una empresa recopila sobre sus clientes y está disponible en el concentrador de recursos. Siga estos pasos para buscar el conjunto de datos en el concentrador de recursos y añadirlo al proyecto:

1. Acceda al conjunto de datos Clientes en el hub Recursos.

2. Pulse Añadir al proyecto.

3. Seleccione el proyecto en la lista y pulse Añadir.

4. Después de añadir el conjunto de datos, pulse Ver proyecto.

Para obtener más información sobre cómo añadir activos de datos desde el concentrador de recursos al proyecto, consulte Carga y acceso a datos en un cuaderno.

' Para previsualizar esta tarea, vea el vídeo que comienza en 00:43.

Utilice el Synthetic Data Generator para crear un flujo de datos que genere datos tabulares sintéticos basados en datos de producción o un esquema de datos personalizado utilizando flujos visuales y algoritmos de modelado. Siga estos pasos para crear un activo de flujo de datos sintético en el proyecto:

1. En la pestaña Activos del proyecto, pulse Nuevo activo > Generar datos tabulares sintéticos.
2. Para el nombre, escriba Bank customersSe ha copiado en el portapapeles.
3. Pulse Crear.
4. En la pantalla Bienvenido a Synthetic Data Generator , pulse Primer usuarioy pulse Continuar. Esta opción proporciona una experiencia guiada para que pueda crear el flujo de datos.
5. Revise los dos casos de uso:
   • Aproveche los datos existentes: Genere un conjunto de datos sintéticos estructurados basados en los datos de producción. Puede conectarse a una base de datos, importar o cargar un archivo, máscara y generar la salida antes de la exportación.
   • Crear a partir de datos personalizados: generar un conjunto de datos sintéticos estructurados basados en metadatos. Puede definir los datos dentro de cada columna de tabla, sus distribuciones y cualquier correlación.
6. Seleccione el caso de uso Aprovechar los datos existentes y pulse Siguiente para importar los datos existentes.
7. Pulse Seleccionar datos del proyecto para utilizar el activo de datos de clientes que ha añadido desde el concentrador de recursos.
   1. Seleccione Activo de datos > customers.csv.
   2. Pulse Seleccionar.
   3. Pulse Siguiente.
8. En la lista de columnas, busque creditcard_numberSe ha copiado en el portapapeles.
   1. En la columna Anonimizar para CREDITCARD_NUMBER, seleccione Sí para enmascarar los números de tarjeta de crédito de los clientes.
   2. Pulse Siguiente.
9. En la página de opciones de Mimic, cambie el Número de filas a 1000. Acepte la configuración predeterminada para el resto de las opciones. Estas opciones generan datos sintéticos, basándose en los datos de producción, utilizando un conjunto de distribuciones estadísticas candidatas para modificar cada columna de los datos. Pulse Siguiente.
10. En la pantalla Evaluar, active la opción Habilitar métricas de evaluación. Aquí puede especificar la configuración para comparar los datos sintéticos generados con su entrada de referencia. Puede elegir qué métricas evaluar.
    1. Seleccione las siguientes métricas:
       • Puntuación de fidelidad
       • Distinción de datos
       • Puntuación de prevención de fugas
       • Puntuación de proximidad
    2. Pulse Siguiente.
11. En la página Exportar datos, escriba bank_customers.csvSe ha copiado en el portapapeles como nombre de archivo y haga clic en Siguiente.
12. Revise la configuración y haga clic en Guardar flujo. La herramienta Synthetic Data Generator se muestra con el flujo de datos.
13. Cuando se le solicite, haga clic en Ejecutar flujo y espere a que se complete la ejecución.

Para previsualizar esta tarea, vea el vídeo a partir del minuto 01:48.

Cuando finalice la ejecución, puede explorar el flujo de datos. Siga estos pasos para revisar el flujo de datos sintéticos y los resultados:

1. Haga clic en el icono de la paleta para cerrar el panel de nodos.

2. Efectúe una doble pulsación en el nodo Importar para ver los valores.

   1. Revise las propiedades de Datos . La herramienta lee el conjunto de datos del proyecto y rellena las propiedades de datos adecuadas.
   2. Expanda la sección Tipos . La herramienta lee los valores y columnas del conjunto de datos.
   3. Pulse Cancelar.

3. Efectúe una doble pulsación en el nodo Anonimizar para ver los valores.

   1. Verifique que la columna CREDITCARD_NUMBER esté establecida en anónima.
   2. Expanda la sección Anonimizar valores . Aquí puede personalizar cómo se anonimizan los valores.
   3. Pulse Cancelar.

4. Efectúe una doble pulsación en el nodo Mimic para ver los valores.

   1. Revise los valores predeterminados para imitar los datos en el conjunto de datos de clientes de origen.
   2. Pulse Cancelar.

5. Haga doble clic en el nodo Evaluar para ver la configuración.

   1. Revise los siguientes ajustes:
      • La entrada Línea de base está en Importar. El flujo muestra que el nodo Evaluar tiene dos entradas, la salida de los nodos Anonimizar y Generar.
      • Las métricas de calidad, privacidad, utilidad y nivel de evaluación. Pase el ratón por encima del icono de información para ver una descripción de cada ajuste.
   2. Pulse Cancelar.

6. Efectúe una doble pulsación en el nodo Generar para ver los valores.

   1. Revise la lista de Columnas sintetizadas.
   2. Opcional: Revise las Correlaciones y las Opciones avanzadas.
   3. Pulse Cancelar.

7. Efectúe una doble pulsación en el nodo Exportar para ver los valores.

   1. Opcional: De forma predeterminada, los datos exportados se almacenan en el proyecto. Pulse Cambiar vía de acceso para almacenar los datos exportados en una conexión, como por ejemplo Db2 Warehouse.
   2. Pulse Cancelar.

8. En el panel Resultados, haga clic en los resultados con el nombre Evaluar. Si no ve el panel Salidas, haga clic en el icono Salidas .

9. Haga clic en el icono Ver detalles de cada una de las métricas para ver las visualizaciones de esa métrica.

10. En la pestaña Métricas del gráfico, puede ver las mismas puntuaciones. Cuando haya terminado, cierre la ventana.

11. Pulse el nombre del proyecto para volver al separador Activos .

    

12. Pulse bank_customers.csv para ver una vista previa de los datos tabulares sintéticos generados.