Nodo multigénico

En Synthetic Data Generator, se utiliza el nodo Multi-gen para crear datos sintéticos estructurados a partir de un grupo de conjuntos de datos.

Descripción
El nodo Multi-gen crea automáticamente datos sintéticos utilizando las propiedades y relaciones estadísticas de los conjuntos de datos de origen. Synthetic Data Generator utiliza varios algoritmos y modelos estadísticos para analizar estas propiedades y relaciones cuando el nodo Multi-mimic se ejecuta en los conjuntos de datos existentes. A continuación, el nodo Multi-gen utiliza esta información para generar datos artificiales pero de aspecto realista.
Utilización del nodo
El nodo Multi-gen se utiliza cuando se han importado datos de varias fuentes mediante el nodo Multi-importación. Para más información, consulte Integridad referencial y nodos multi-tabla.
No es necesario añadir un nodo Multi-gen al flujo Synthetic Data Generator. Cuando se ejecuta un flujo que tiene un nodo Multi-mimic en él, se crea automáticamente un nodo Multi-gen y se añade después del nodo Multi-mimic. En las siguientes ejecuciones, se actualiza el nodo Multi-gen existente.
Obligatorio u opcional
El nodo Multi-gen es obligatorio. Sin embargo, el nodo Multi-gen no se añade al flujo, sino que se añade automáticamente después de que un nodo Multi-mimic se ejecute por primera vez.
Si desea utilizar la integridad referencial para generar datos sintéticos, debe utilizar datos de producción. No se puede definir un esquema de datos personalizado para los datos sintéticos.

Scripting con los nodos Multi-gen

Puede utilizar lenguajes de scripting, como Python, para establecer progamáticamente las propiedades de los nodos.

Propiedades de los nodos multigen

Las siguientes propiedades son específicas del nodo Multi-gen. Para obtener información sobre las propiedades comunes de los nodos, consulte Propiedades de flujos y nodos.

Tabla 1. Propiedades de los nodos para la creación de scripts
Nombre de propiedad Tipo de datos Valores permitidos Descripción de la propiedad
ratio Flotante Alcance: 0.0 < value ≤ 10.0 Esta propiedad especifica el número de filas a generar para cada tabla individual. Utiliza la siguiente fórmula: value for ratio × number of rows in the fitting phase. Siempre se genera un registro como mínimo.
random_state Entero Sin alcance específico. Valor por defecto: 929111600 El modelo necesita una semilla aleatoria para inicializar algunos parámetros. Aquí puede especificar la semilla aleatoria. Si se especifica None , se utilizará la fecha y hora actuales. Sin embargo, el uso de la marca de tiempo significa que el modelo utiliza una semilla diferente cada vez que se ejecuta. Establecer una semilla fija garantiza resultados constantes.
custom_sample Propiedad estructurada Ver descripción de la propiedad Esta propiedad establece el número de filas a generar para cada tabla. Contiene una lista de diccionarios (o matrices), donde cada entrada incluye lo siguiente: table_display_name, row_count, custom_sample, table_name. Para más detalles, véase Estructura de datos para la propiedad n_samples .

Estructura de datos para la propiedad n_samples

nombre_mostrador_tabla
El nombre de visualización de la tabla.
número_de_filas
El número de filas a generar.
muestra_personalizada
Esta propiedad controla si row_count es fijo (true) o escalado por la propiedad ratio (false). Esta propiedad se utiliza sobre todo en la interfaz de usuario. Para las secuencias de comandos, establézcalo como true sólo para las tablas en las que especifique un valor para row_count.
table_name
El nombre de la tabla en notación de puntos.
Para ver un ejemplo del formato, consulte Nodo multiimportación

Ejemplo de script

El siguiente script encuentra un nodo Multi-gen en un flujo Synthetic Data Generator y establece algunas propiedades para él.

stream = sdg.script.stream()
generateplus = stream.findByType("generateplus", None) 
generateplus.setPropertyValue("ratio", 2.0)
generateplus.setPropertyValue("random_state", 29)
generateplus.setPropertyValue("n_samples", [['PERF.CATEGORIES', 10, 'false', '40039389-1b77-47d5-86d1-b37a5e6bf52e.PERF.CATEGORIES'], ['PERF.CUSTOMERS', 1000, 'false', '40039389-1b77-47d5-86d1-b37a5e6bf52e.PERF.CUSTOMERS'], ['PERF.PRODUCTS', 20, 'false', '40039389-1b77-47d5-86d1-b37a5e6bf52e.PERF.PRODUCTS'], ['PERF.SALES', 4000, 'false', '40039389-1b77-47d5-86d1-b37a5e6bf52e.PERF.SALES']])