Démarrage rapide: Génération de données tabulaires synthétiques

Vous avez besoin d'un projet pour stocker les actifs.

Regardez une vidéo pour voir comment créer un projet de bac à sable et associer un service. Suivez ensuite les étapes pour vérifier que vous disposez d'un projet existant ou créez un projet de bac à sable.

1. A partir de l'écran d'accueil watsonx , faites défiler l'écran jusqu'à la section Projects . Si vous voyez des projets répertoriés, passez à la Tâche 2. Si vous ne voyez aucun projet, procédez comme suit pour créer un projet.

2. Cliquez sur Créer un projet de bac à sable. Une fois le projet créé, vous verrez le projet de bac à sable dans la section Projets .

Pour plus d'informations ou pour regarder une vidéo, voir Création d'un projet.

Pour prévisualiser cette tâche, regardez la vidéo à partir de 00:24.

Le jeu de données utilisé dans ce tutoriel contient des informations standard qu'une société collecte sur ses clients et est disponible dans le concentrateur de ressources. Procédez comme suit pour rechercher l'ensemble de données dans le concentrateur de ressources et l'ajouter à votre projet:

1. Accédez à l' ensemble de données Clients dans le concentrateur de ressources.

2. Cliquez sur Ajouter au projet.

3. Sélectionnez votre projet dans la liste et cliquez sur Ajouter.

4. Une fois le fichier ajouté, cliquez sur Afficher le projet.

Pour plus d'informations sur l'ajout d'actifs de données du concentrateur de ressources à votre projet, voir Chargement et accès aux données dans un bloc-notes.

Pour prévisualiser cette tâche, regardez la vidéo à partir de 00:43.

Utilisez le Synthetic Data Generator pour créer un flux de données qui génère des données tabulaires synthétiques basées sur des données de production ou un schéma de données personnalisé à l'aide de flux visuels et d'algorithmes de modélisation. Pour créer un actif de flux de données synthétique dans votre projet, procédez comme suit:

1. Dans l'onglet Actifs de votre projet, cliquez sur Nouvel actif > Générer des données tabulaires synthétiques.
2. Pour le nom, entrez Bank customers.
3. Cliquez sur Créer.
4. Sur l'écran Bienvenue dans Synthetic Data Generator , cliquez sur Premier utilisateur, puis sur Continuer. Cette option fournit une expérience guidée pour vous permettre de générer le flux de données.
5. Passez en revue les deux cas d'utilisation:
   • Tirez parti de vos données existantes: générez un ensemble de données synthétiques structuré en fonction de vos données de production. Vous pouvez vous connecter à une base de données, importer ou télécharger un fichier, masquer et générer votre sortie avant l'exportation.
   • Créer à partir de données personnalisées: générez un ensemble de données synthétiques structuré à partir de métadonnées. Vous pouvez définir les données dans chaque colonne de table, leurs distributions et les corrélations éventuelles.
6. Sélectionnez le scénario d'utilisation Exploiter vos données existantes et cliquez sur Suivant pour importer des données existantes.
7. Cliquez sur Sélectionner des données dans le projet pour utiliser l'actif de données client que vous avez ajouté à partir du concentrateur de ressources.
   1. Sélectionnez Actif de données > customers.csv.
   2. Cliquez sur Sélectionner.
   3. Cliquez sur Suivant.
8. Dans la liste des colonnes, recherchez creditcard_number.
   1. Dans la colonne Anonymiser de CREDITCARD_NUMBER, sélectionnez Oui pour masquer les numéros de carte de crédit des clients.
   2. Cliquez sur Suivant.
9. Acceptez les paramètres par défaut sur la page Options Mimic . Ces options génèrent des données synthétiques, en fonction de vos données de production, à l'aide d'un ensemble de distributions statistiques candidates pour modifier chaque colonne de vos données. Cliquez sur Suivant.
10. Pour Nom de fichier, entrez bank_customers.csv, puis cliquez sur Suivant.
11. Passez en revue les paramètres, puis cliquez sur Sauvegarder et exécuter. L'outil Synthetic Data Generator s'affiche avec le flux de données. Attendez la fin de l'exécution.

Pour prévisualiser cette tâche, regardez la vidéo à partir de 01:48.

Une fois l'exécution terminée, vous pouvez explorer le flux de données. Pour passer en revue le flux de données synthétiques et les résultats, procédez comme suit:

1. Cliquez sur l'icône Palette pour fermer le panneau de noeud.

2. Cliquez deux fois sur le noeud Importer pour afficher les paramètres.

   1. Passez en revue les propriétés Données . L'outil lit le jeu de données du projet et remplit les propriétés de données appropriées.
   2. Développez la section Types . L'outil lit les valeurs et les colonnes du jeu de données.
   3. Cliquez sur Annuler.

3. Cliquez deux fois sur le noeud Anonymiser pour voir les paramètres.

   1. Vérifiez que la colonne CREDITCARD_NUMBER est définie pour être anonymisée.
   2. Développez la section Anonymiser des valeurs . Ici, vous pouvez personnaliser la façon dont les valeurs sont anonymisées.
   3. Cliquez sur Annuler.

4. Cliquez deux fois sur le noeud Mimic pour afficher les paramètres.

   1. Passez en revue les paramètres par défaut pour imiter les données de l'ensemble de données des clients source.
   2. Cliquez sur Annuler.

5. Cliquez deux fois sur le noeud Générer pour afficher les paramètres.

   1. Passez en revue la liste des colonnes synthétisées.
   2. Facultatif: Examinez les corrélations et les options avancées.
   3. Cliquez sur Annuler.

6. Cliquez deux fois sur le noeud Exporter pour afficher les paramètres.

   1. Facultatif: par défaut, les données exportées sont stockées dans le projet. Cliquez sur Modifier le chemin pour stocker les données exportées dans une connexion, telle que Db2 Warehouse.
   2. Cliquez sur Annuler.

7. Cliquez sur le nom de votre projet pour revenir à l'onglet Actifs .

   

8. Cliquez sur bank_customers.csv pour afficher un aperçu des données tabulaires synthétiques générées.