北京
做數(shù)據(jù)建模最煩的不是代碼寫崩，是甲方遞過(guò)來(lái)一張Excel，里面只有7行樣本。7行，連訓(xùn)練集都湊不齊，項(xiàng)目就得卡在這兒。
有個(gè)開發(fā)者用numpy和pandas隨手搓了個(gè)生成器，按客戶畫像的分布規(guī)律批量造數(shù)據(jù)。年齡、消費(fèi)頻次、地域標(biāo)簽全帶合理噪聲，不是那種一眼假的123456。甲方拿到10萬(wàn)條測(cè)試集，愣是沒分出真假，「比我們從系統(tǒng)里導(dǎo)的還干凈」。
這事在GitHub上被fork了800多次。有人拿它測(cè)風(fēng)控模型，有人用來(lái)填演示系統(tǒng)的窟窿。最損的一個(gè)用法是：給領(lǐng)導(dǎo)匯報(bào)前先跑一遍，確保PPT里的增長(zhǎng)曲線不會(huì)露出馬腳。
工具本身沒門檻，pandas的DataFrame拼接numpy的隨機(jī)分布，再加幾行業(yè)務(wù)規(guī)則校驗(yàn)。難的是你得知道真實(shí)數(shù)據(jù)長(zhǎng)什么樣——分布偏斜、異常值比例、字段間的勾稽關(guān)系，這些才是讓假數(shù)據(jù)"活"起來(lái)的細(xì)節(jié)。
原作者在issue區(qū)補(bǔ)了句：「別拿這個(gè)去騙投資人，他們現(xiàn)在也會(huì)查IP歸屬地了！
特別聲明：以上內(nèi)容(如有圖片或視頻亦包括在內(nèi))為自媒體平臺(tái)“網(wǎng)易號(hào)”用戶上傳并發(fā)布，本平臺(tái)僅提供信息存儲(chǔ)服務(wù)。
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.
福建睿平
