北京
做數據建模最煩的不是代碼寫崩，是甲方遞過來一張Excel，里面只有7行樣本。7行，連訓練集都湊不齊，項目就得卡在這兒。
有個開發(fā)者用numpy和pandas隨手搓了個生成器，按客戶畫像的分布規(guī)律批量造數據。年齡、消費頻次、地域標簽全帶合理噪聲，不是那種一眼假的123456。甲方拿到10萬條測試集，愣是沒分出真假，「比我們從系統(tǒng)里導的還干凈」。
這事在GitHub上被fork了800多次。有人拿它測風控模型，有人用來填演示系統(tǒng)的窟窿。最損的一個用法是：給領導匯報前先跑一遍，確保PPT里的增長曲線不會露出馬腳。
工具本身沒門檻，pandas的DataFrame拼接numpy的隨機分布，再加幾行業(yè)務規(guī)則校驗。難的是你得知道真實數據長什么樣——分布偏斜、異常值比例、字段間的勾稽關系，這些才是讓假數據"活"起來的細節(jié)。
原作者在issue區(qū)補了句：「別拿這個去騙投資人，他們現在也會查IP歸屬地了?！?/p>
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發(fā)布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
