在生成额外数据时，应该考虑的主要问题是什么？

Question

我一直在参与一个项目，在这个项目中，由于错误的测量/无效的值，我不得不削减大部分数据集，最后我们得到了一个小数据集。

该数据集涉及以下内容：

• 工具偏转:计量学测量传感器
• 工具磨损:计量学.测量传感器
• 件形精度:计量.传感器测量
• 件.粗糙度:计量学.测量传感器
• 机器输入.参数:系统输入

我想为每个计量数据集生成更多的数据，使用机器输入作为参考，然而，我觉得它可能会使我的模型有偏差。

如你所见，我对这个问题很困惑。

1. 如果我朝着这个解决方案前进，我应该期待什么？
2. 有什么限制我应该知道吗？

Answer 1

就像你说的，数据集中有偏见的可能。为了避免这种情况，您必须遵循生成数据的算法。我建议的解决方案是参数化方法。查找数据的统计分布，并根据该分布填写相应的数据。

如果你想知道更多关于参数方法的知识，你可以在这里看我的答案。

由数据集上的概率分布生成训练数据意味着什么？

关于一些机器学习方法，请看我在这里发布的答案。

处理缺失值的最佳方法是什么？

从来没有一种正确的方法来做你想要的事情，但是有一些好的方法，这取决于你的数据的细微差别。