快速入门: 生成合成表格数据

以下是成功完成本教程的一些提示。

您需要一个项目来存储资产。

执行以下步骤以验证您是否具有现有项目或创建项目。

1. 从 Cloud Pak for Data 主屏，滚动到 项目 部分。 如果您看到列出了任何项目，请跳至 任务 2。 如果未看到任何项目，请遵循以下步骤来创建项目。

2. 从 快速导航中，单击 所有项目。

3. 打开现有项目或创建新项目:

   1. 在 " 项目 " 页面上单击 新建项目 。
   2. 选择创建空项目。
   3. 在 " 创建项目 " 屏幕上，输入项目的名称和可选描述。
   4. 单击创建。

要获取更多信息或观看视频，请参阅创建项目。

本教程中使用的数据集包含公司收集的有关其客户的典型信息。 执行以下步骤以下载数据集，并将其添加到项目中:

1. 下载 Auto Insurance Customers 数据集 (4KB)。

2. 从项目中单击上传资产到项目图标 。

3. 在打开的侧面板中，浏览以选择 Customers.csv 文件，然后单击 打开。 请停留在该页面，直至装入完成为止。
   Customers.csv 文件将作为数据资产添加到项目中。

使用 Synthetic Data Generator 来创建一个数据流，该数据流根据生产数据或使用可视流和建模算法的定制数据模式来生成合成表格数据。 执行以下步骤以在项目中创建合成数据流资产:

1. 从项目中的 资产 选项卡，单击 新建资产> Synthetic Data Generator。
2. 对于名称，输入 Bank customers。
3. 单击创建。
4. 在 " 欢迎使用 Synthetic Data Generator " 屏幕上，单击 首次用户，然后单击 继续。 此选项为您提供构建数据流的指导式体验。
5. 查看两个用例:
   • 利用现有数据: 根据生产数据生成结构化合成数据集。 您可以连接到数据库，导入或上传文件，掩盖数据，以及在导出之前生成输出。
   • 根据定制数据创建: 根据元数据生成结构化合成数据集。 您可以定义每个表列中的数据、其分布以及任何相关性。
6. 选择 利用现有数据 用例，然后单击 下一步 以导入现有数据。
7. 单击 从项目中选择数据 以使用从资源中心添加的客户数据资产。
   1. 选择 数据资产> customers.csv。
   2. 单击选择。
   3. 单击下一步。
8. 在列列表中，搜索 creditcard_number。
   1. 在 CREDITCARD_NUMBER的 匿名化 列中，选择 是 以屏蔽客户的信用卡号。
   2. 单击下一步。
9. 接受 模拟选项 页面上的缺省设置。 这些选项根据您的生产数据生成合成数据，使用一组候选统计分布来修改数据中的每个列。 单击下一步。
10. 对于 文件名，输入 bank_customers.csv，然后单击 下一步。
11. 查看设置，然后单击 保存并运行。 Synthetic Data Generator 工具将随数据流一起显示。 等待运行完成。

运行完成后，您可以浏览数据流。 执行以下步骤以查看合成数据流和结果:

1. 单击调色板图标 关闭节点面板。

2. 双击 导入 节点以查看设置。

   1. 查看 数据 属性。 该工具从项目中读取数据集并填充相应的数据属性。
   2. 展开 类型 部分。 该工具会读取数据集中的值和列。
   3. 请单击取消。

3. 双击 匿名化 节点以查看设置。

   1. 验证 CREDITCARD_NUMBER 列是否设置为匿名化。
   2. 展开 匿名化值 部分。 您可以在此处定制值的匿名化方式。
   3. 请单击取消。

4. 双击 Mimic 节点以查看设置。

   1. 查看缺省设置以模拟源客户数据集中的数据。
   2. 请单击取消。

5. 双击 生成 节点以查看设置。

   1. 查看 合成列的列表。
   2. 可选: 查看 相关性 和 高级选项。
   3. 请单击取消。

6. 双击 导出 节点以查看设置。

   1. 可选: 缺省情况下，导出的数据存储在项目中。 单击 更改路径 以将导出的数据存储在连接中，例如 Db2 Warehouse。
   2. 请单击取消。

7. 单击项目名称以返回到 资产 选项卡。

   

8. 单击 bank_customers.csv 以查看生成的合成表格数据的预览。