Некоторые ключевые различия между синтетическими и реальными датасетами для кластерного анализа:

Происхождение данных:

• Реальные датасеты создаются путём сбора информации о реально существующих объектах, явлениях и т. д.. 3 Например, датасет может состоять из записей людей в социальных сетях или из фотографий животных в местах их обитания, снабжённых текстовыми подписями. 3
• Синтетические датасеты создаются искусственно при помощи специальных алгоритмов. 3 Например, можно взять 3D-модели разных животных и при помощи программы трёхмерного моделирования сгенерировать различные ракурсы этих животных при разном освещении и других параметрах среды. 3

Особенности:

• Реальные датасеты могут содержать ошибки, шум или пропущенные значения. 4
• Синтетические датасеты по сравнению с реальными данными дешевле, намного разнообразнее и быстрее поддаются обработке. 3 Их можно производить практически в неограниченных количествах. 3
• Применение: синтетические данные используются при тестировании моделей на уязвимости и при переносе на новые задачи или языки, а также в других случаях, когда нужно заменить или дополнить реальные данные. 3