คำที่ดีที่สุดสำหรับการสร้างข้อมูล?

ฉันกำลังเขียนตัวอย่างและสร้างข้อมูลขึ้นมา ฉันต้องการให้ผู้อ่านเข้าใจอย่างชัดเจนว่านี่ไม่ใช่ข้อมูลจริง แต่ฉันก็ไม่ต้องการที่จะแสดงความอาฆาตพยาบาทเพราะมันเป็นเพียงตัวอย่างเท่านั้น

ไม่มีองค์ประกอบแบบสุ่ม (หลอก) สำหรับข้อมูลนี้ดังนั้นฉันคิดว่า 'จำลอง' ไม่เหมาะสม ถ้าฉันเรียกมันว่าเป็นเรื่องโกหกหรือสิ่งประดิษฐ์สิ่งนั้นจะสร้างความประทับใจให้กับข้อมูลที่ฉ้อฉลหรือไม่? คำว่า 'สร้างขึ้น' เป็นคำที่เหมาะกับบริบททางวิทยาศาสตร์หรือไม่

คำศัพท์ในวรรณคดีเชิงสถิติสำหรับข้อมูลที่สร้างขึ้นแบบไม่จำลองคืออะไร

ฉันอาจจะเรียกข้อมูลนี้ว่า "สังเคราะห์" หรือ "เทียม" ถึงแม้ว่าฉันอาจเรียกว่า "จำลอง" (การจำลองนั้นง่ายมาก)

หากคุณต้องการที่จะอ้างถึงข้อมูลของคุณโกหกคุณต้องการจะอยู่ใน บริษัท ที่ดีเป็นที่คำว่าฟรานซิสอินส์ใช้เพื่ออธิบายตอนนี้มีชื่อเสียงของเขาสี่

จาก Anscombe, FJ (2516) " กราฟในการวิเคราะห์ทางสถิติ " สถิติ 27 (1):

บางจุดเหล่านี้แสดงโดยชุดข้อมูลสี่ชุดซึ่งแต่ละชุดประกอบด้วยคู่ที่สิบเอ็ด (x, y) ที่แสดงในตาราง

แต่ฉันคิดว่าข้อควรระวังของคุณอยู่ในอันดับที่ดีเนื่องจาก OED ของฉัน (v4) ดูเหมือนว่าจะบ่งบอกว่าการใช้งานเรื่องสมมตินี้ล้าสมัย

สมมติว่า

(fɪktɪʃəs)

[F L. fictīci-us (f. fing tore กับแฟชั่น, แกล้ง) + -ous: ดู -itious.]

1.1 † a.1.a ประดิษฐ์ซึ่งต่างกับธรรมชาติ (obs.) b.1.b ซอฟท์แวร์ปลอม 'เลียนแบบ' หลอกลวง; ของปลอม.

ในด้านไอทีเรามักจะเรียกมันว่าข้อมูลจำลองซึ่งสามารถนำเสนอผ่านการจำลอง (แอปพลิเคชัน)

ข้อมูล mockup ยังสามารถนำเสนอผ่านแอปพลิเคชันที่ทำงานได้อย่างสมบูรณ์ตัวอย่างเช่นเพื่อทดสอบการทำงานของแอปพลิเคชันในลักษณะที่ควบคุม

ฉันเห็นคำแนะนำซ้ำ ๆ สำหรับคำว่า "ข้อมูลสังเคราะห์" อย่างไรก็ตามคำนั้นมีการใช้อย่างกว้างขวางและมีความหมายแตกต่างจากสิ่งที่คุณต้องการแสดง: https://en.wikipedia.org/wiki/Synthetic_data

ฉันไม่แน่ใจว่ามีคำศัพท์ทางวิทยาศาสตร์ที่ยอมรับกันโดยทั่วไป แต่คำว่า "ข้อมูลตัวอย่าง" ดูเหมือนยากที่จะเข้าใจผิดใช่ไหม

ฉันพบคำว่า 'ข้อมูลปลอม' ในจำนวนที่พอใช้ ฉันคิดว่ามันอาจมีความหมายเชิงลบบางอย่าง แต่ฉันได้ยินบ่อยครั้งพอที่มันไม่ได้ลงทะเบียนเชิงลบสำหรับฉัน

FWIW, Andrew Gelman ก็ใช้เช่นกัน:

https://statmodeling.stat.columbia.edu/2009/09/04/fake-data_simul/

https://statmodeling.stat.columbia.edu/2019/03/23/yes-i-really-really-really-like-fake-data-simulation-and-i-cant-stop-talking-about-it/

https://books.google.dk/books?id=lV3DIdV0F9AC&pg=PA155&lpg=PA155&dq=fake+data+simulation&source=bl&ots=6ljKB6StQ4&sig=ACfU3U17GLP_84q_HfIQB4u5O6wV0yA2Aw&hl=en&sa=X&ved=2ahUKEwiF2_eB0uvjAhWswcQBHSn5Cn04ChDoATAAegQICRAB#v=onepage&q=fake%20data%20simulation&f=false

การค้นหา google อย่างรวดเร็วสำหรับ 'ข้อมูลปลอม' จะแสดงผลลัพธ์จำนวนมากที่ดูเหมือนจะใช้คำนี้ในทำนองเดียวกัน:

https://scientistseessquirrel.wordpress.com/2016/03/10/good-uses-for-fake-data-part-1/

http://modernstatisticalworkflow.blogspot.com/2017/04/an-easy-way-to-simulate-fake-data-from.html

https://clayford.github.io/dwir/dwr_12_generating_data.html

และมีแม้กระทั่งfakeRแพคเกจซึ่งแสดงให้เห็นว่านี่เป็นเรื่องปกติ: https://cran.r-project.org/web/packages/fakeR/fakeR.pdf

ฉันใช้คำอื่นขึ้นอยู่กับลักษณะที่ฉันใช้ข้อมูล หากฉันพบชุดข้อมูลที่สร้างขึ้นมาแล้วและชี้ไปที่อัลกอริทึมของฉันในลักษณะที่ยืนยันแล้วคำว่า "สังเคราะห์" ก็ใช้ได้

อย่างไรก็ตามบ่อยครั้งที่ฉันใช้ข้อมูลประเภทนี้ฉันได้ประดิษฐ์ข้อมูลด้วยความตั้งใจเฉพาะในการแสดงความสามารถของอัลกอริทึมของฉัน กล่าวอีกนัยหนึ่งฉันคิดค้นข้อมูลเพื่อวัตถุประสงค์เฉพาะในการได้รับ "ผลลัพธ์ที่ดี" ในสถานการณ์เช่นนี้ฉันชอบคำว่า "วางแผน" พร้อมกับคำอธิบายของความคาดหวังของฉันสำหรับข้อมูล นี่เป็นเพราะฉันไม่ต้องการให้ใครทำผิดที่คิดว่าฉันชี้อัลกอริทึมของฉันไปที่ชุดข้อมูลสังเคราะห์โดยพลการบางอย่างที่ฉันพบว่าโกหกและมันก็ใช้งานได้ดีจริงๆ ถ้าฉันมีข้อมูลเชอร์รี่ที่เลือก (จนถึงจุดที่สร้างขึ้นจริง) โดยเฉพาะเพื่อให้อัลกอริทึมของฉันทำงานได้ดีฉันก็พูดเช่นนั้น เนื่องจากผลลัพธ์ดังกล่าวแสดงหลักฐานว่าอัลกอริทึมของฉันสามารถทำได้ผลงานออกมาได้ดี แต่มีหลักฐานเพียงอ่อนแอมากว่าหนึ่งอาจคาดหวังขั้นตอนวิธีการที่จะทำงานออกมาได้ดีโดยทั่วไป คำว่า "contrived" นั้นสรุปความจริงที่ว่าฉันได้เลือกข้อมูลที่มี "ผลลัพธ์ที่ดี" ในใจ

"นั่นให้ความประทับใจกับข้อมูลที่ฉ้อโกงหรือไม่"

ไม่ แต่สิ่งสำคัญคือต้องมีความชัดเจนเกี่ยวกับที่มาของชุดข้อมูลใด ๆ และความคาดหวังเบื้องต้นของคุณในฐานะผู้ทดสอบเมื่อรายงานผลลัพธ์ของคุณในชุดข้อมูลใด ๆ คำว่า"การหลอกลวง"อย่างชัดเจนรวมถึงแง่มุมของการปกปิดบางสิ่งบางอย่างหรือโกหกทันที วิธีที่ # 1 เพื่อหลีกเลี่ยงการทุจริตในวิทยาศาสตร์คือการซื่อสัตย์และตรงไปตรงมาเกี่ยวกับลักษณะของข้อมูลและความคาดหวังของคุณ กล่าวอีกนัยหนึ่งถ้าข้อมูลของคุณถูกประดิษฐ์ขึ้นมาและคุณไม่สามารถพูดได้มากและมีความคาดหวังว่าข้อมูลนั้นไม่ได้ถูกประดิษฐ์ขึ้นมาหรือแย่กว่านั้นคือคุณอ้างว่าข้อมูลถูกรวบรวมในรูปแบบที่ไม่ได้ประดิษฐ์ขึ้นมา แน่นอนแล้วนั่นคือ"การทุจริต" อย่าทำอย่างนั้น หากคุณต้องการใช้คำพ้องความหมายสำหรับคำว่า "ประดิษฐ์" ที่ "ฟังดูดีกว่า" เช่น "สังเคราะห์" ไม่มีใครจะผิดคุณ แต่ในเวลาเดียวกันฉันไม่คิดว่าใครจะสังเกตเห็นความแตกต่างยกเว้นคุณ

หมายเหตุด้าน:

ชัดเจนน้อยกว่าคือสถานการณ์ที่มีคนอ้างว่ามีความคาดหวังมาก่อนซึ่งจริง ๆ แล้วโพสต์คำอธิบายนี้ นี่เป็นการวิเคราะห์ข้อมูลที่หลอกลวงด้วย

มีอันตรายเมื่อเลือกข้อมูลโดยเฉพาะอย่างยิ่งด้วยความตั้งใจที่จะ "แสดง" ความสามารถของอัลกอริทึมซึ่งมักเป็นกรณีที่มีข้อมูลสังเคราะห์

$D$$H$$H$$D$$D$

$H$$D$$H$$D$

ไม่มีปัญหาในการทำเช่นนี้ตราบใดที่คุณซื่อสัตย์และตรงไปตรงมาเกี่ยวกับสิ่งที่คุณทำ หากคุณมีความเจ็บปวดในการสร้างชุดข้อมูลที่ให้ผลลัพธ์ที่ดีให้พูดเช่นนั้น ตราบใดที่คุณให้ผู้อ่านทราบขั้นตอนที่คุณได้ทำในการวิเคราะห์ข้อมูลพวกเขามีข้อมูลที่จำเป็นในการชั่งน้ำหนักหลักฐานอย่างมีประสิทธิภาพสำหรับหรือเทียบกับสมมติฐานของคุณ เมื่อคุณไม่ได้เที่ยงตรงหรือไม่ได้ตรงไปตรงมาแล้วนี้อาจจะให้ความรู้สึกว่าหลักฐานของคุณจะดีกว่ามันคือเรื่องจริง เมื่อคุณรู้น้อยกว่าความซื่อสัตย์และตรงไปตรงมาเพื่อทำให้หลักฐานของคุณดูแข็งแกร่งกว่าที่เป็นจริงนั่นคือการหลอกลวง.

ในกรณีใด ๆ นี่คือเหตุผลที่ฉันชอบคำว่า "contrived" สำหรับชุดข้อมูลดังกล่าวพร้อมกับคำอธิบายสั้น ๆ ว่าพวกเขาเป็นจริงเลือกด้วยสมมติฐานในใจ "Contrived" บ่งบอกถึงความรู้สึกที่ไม่เพียง แต่ฉันสร้างชุดข้อมูลสังเคราะห์ขึ้นมา แต่ฉันก็ทำเช่นนั้นด้วยความตั้งใจเฉพาะที่สะท้อนถึงความจริงที่ว่าสมมติฐานของฉันมีอยู่แล้วก่อนที่จะสร้างชุดข้อมูลของฉัน

$A$$D$$x.y$

TL; DR

ใช้คำใดก็ได้ที่คุณต้องการ "สังเคราะห์", "ประดิษฐ์", "ประดิษฐ์", "ปลอม" แต่คำที่คุณใช้คือไม่เพียงพอที่จะให้แน่ใจว่าผลลัพธ์ของคุณจะไม่ได้เข้าใจผิด ตรวจสอบให้แน่ใจว่าคุณมีความชัดเจนในรายงานของคุณเกี่ยวกับวิธีที่ข้อมูลมารวมถึงความคาดหวังของคุณสำหรับข้อมูลและสาเหตุที่คุณเลือกข้อมูลที่คุณเลือก

ก่อนอื่นไม่มีเหตุผลที่จะไม่เรียกมันว่า "ชุดข้อมูล" ไม่มีการตกลงกันอย่างกว้างขวางตามคำศัพท์สำหรับข้อมูล "ปลอม" กับ "จำลอง" เทียบกับ ... หากเป้าหมายนั้นชัดเจนชัดเจนดีที่สุดที่จะอุทิศประโยคแทนคำเพื่อให้มีคุณสมบัติว่าชุดข้อมูลนี้คืออะไร หลังจากนั้นคุณสามารถผ่อนคลายการกำหนดและเพียงอ้างถึงข้อมูลของคุณเป็นข้อมูล

"Synthetic", "Artificial" ไม่ได้แยกความแตกต่างจากชุดข้อมูล "จำลอง" MCMC ตัวอย่างอื่นในใจของฉัน การใช้ตัวสร้างตัวเลข quasirandom กับเมล็ดพืชคงที่ (ตามการฝึกอบรมที่เหมาะสมจะกำหนด) ยังสร้างชุดข้อมูลสังเคราะห์หรือเทียม

หากจุดของการสร้างชุดข้อมูลสำหรับภาพประกอบเฉพาะแทนที่จะสร้างอินสแตนซ์หรือการรับรู้จากโมเดลความน่าจะเป็นฉันคิดว่าการเรียกชุดข้อมูลนั้นเป็น " ชุดข้อมูลตัวอย่าง " ดีกว่า ข้อมูลเช่นนี้คล้ายกับสี่ของ Anscombe: เป็นนามธรรมและไม่น่าเชื่อถือ แต่มีจุดประสงค์เพื่อแสดงจุด

ในชีววิทยาการวิเคราะห์บางครั้งก็แสดงให้เห็นโดยใช้ชุดข้อมูลของสัตว์ในตำนาน การระบุว่าข้อมูลนั้นจำลองขึ้นอยู่กับผู้เขียน / ผู้ตรวจสอบหรือไม่

คู่มือนักนิเวศวิทยาเกี่ยวกับแบบจำลองสัตว์ปี 2009

บทเรียนเหล่านี้อธิบายชุดของการวิเคราะห์ทางพันธุกรรมเชิงปริมาณในประชากรของกริฟฟอน (สะท้อนให้เห็นถึงการประนีประนอมระหว่างอคตินกและสัตว์เลี้ยงลูกด้วยนมของผู้เขียน) ในขณะที่กริฟฟอนเป็นสัตว์ในตำนานข้อมูลที่ให้มาจึงจำเป็นต้องจำลอง

ความแปรปรวนของผลกระทบคงที่และการประมาณความสามารถในการทำซ้ำและมรดก: ปัญหาและวิธีแก้ปัญหา, 2017

เพื่อแสดงสิ่งนี้ให้เรากลับไปที่ชุดข้อมูลยูนิคอร์นของ Wilson (2008) มันเป็นความจริงที่รู้กันว่าในยูนิคอร์นความยาวของฮอร์นจะแตกต่างกันไปตามมวลร่างกายของแต่ละบุคคล (ความชัน: β = 0.403 สำหรับแบบจำลองเต็มรูปแบบรวมถึงอายุเพศและปฏิสัมพันธ์ของพวกเขา)

โดยสังหรณ์ใจฉันจะไปที่คำว่า 'ข้อมูลจำลอง' ในแง่เดียวกันว่า "Lorem ipsum ... " เรียกว่า 'ข้อความจำลอง' คำว่า 'Dummy' นั้นค่อนข้างทั่วไปและเข้าใจง่ายสำหรับผู้คนที่มาจากภูมิหลังที่หลากหลายและมีแนวโน้มที่จะถูกตีความผิดโดยผู้อ่านที่มีภูมิหลังทางสถิติน้อยกว่า

ข้อมูลเป็นภาษาละตินสำหรับรับที่ใช้ในยุคปัจจุบันเป็นชวเลขสำหรับชุดที่กำหนดของข้อเท็จจริงที่บันทึกไว้ ดังนั้นในทางที่อ้างถึงการประดิษฐ์บันทึกเป็นข้อเท็จจริงบางอย่างที่ได้รับจะเป็นความขัดแย้งที่เปิดเผย

อย่างไรก็ตามเนื่องจากการใช้ข้อมูลที่เพิ่มขึ้นเพื่ออ้างถึงการบันทึกโดยไม่คำนึงถึงข้อสันนิษฐานดั้งเดิมของบันทึกที่เป็นข้อเท็จจริง - เราเข้าใจกันอย่างมีความสุขเมื่อพูดถึงการบันทึกที่อาจจะใช่หรือไม่จริง - ดังนั้นข้อมูลจริง / ปลอม

ฉันจะสรุปประสบการณ์ของฉันเกี่ยวกับวิธีแก้ไขการบันทึกที่ประดิษฐ์ขึ้นด้านล่าง ฉลากที่ใช้นั้นขึ้นอยู่กับว่ามีใครสมมติว่าเรากำลังพูดถึงข้อมูลในรูปแบบการบันทึกที่ประดิษฐ์ขึ้นมาซึ่งมีจุดประสงค์ที่จะดูสมจริงพอสมควรเพื่อเปิดใช้การวิเคราะห์เพิ่มเติมหรือข้อมูลเป็นภาระการคำนวณ

• ในการวิเคราะห์ / วิทยาศาสตร์ / ข้อมูลเชิงกลยุทธ์วงการที่ปรึกษาคนที่อยู่บ่อยที่สุดชุดประดิษฐ์ของการบันทึกที่สร้างขึ้นภายใต้สมมติฐานที่สมจริงเป็นข้อมูลที่สังเคราะห์ - และบางครั้งข้อมูลที่จำลอง บันทึกประดิษฐ์สร้างขึ้นโดยใช้สมมติฐานราคาน้ำมันดิบจะเรียกว่าเป็นชุดของเล่น
• ในหมู่วิศวกรซอฟต์แวร์ข้อมูลปลอม , ข้อมูลหุ่น , ข้อมูลทำขึ้นและข้อมูลที่จำลองขึ้นป้ายบ่อยครั้งที่ส่วนใหญ่เป็นคำแนะนำที่จะบันทึกไม่จำเป็นต้องหมายถึงการมีคุณสมบัติที่เหมือนจริง แต่มีคุณสมบัติขั้นพื้นฐานที่มีข้อมูลเดิม (ข้อมูลอายุอยู่เสมอตัวเลข ที่อยู่อีเมลจะมีสตริงที่มี“ @”) เสมอ
• นักวิชาการนักวิจัยจะอ้างถึงชุดที่มีเหตุผลของการบันทึกประดิษฐ์หลอกข้อมูลหรือข้อมูลจำลอง ในวงการบางอย่างถ้าชุดประดิษฐ์ของการสังเกตเป็นผลมาจากการจำลอง Monte Carlo ก็อาจจะเรียกขานว่าMonte Carlo การบันทึกแบบกึ่งสมจริงนั้นมักใช้เพื่อวัตถุประสงค์ในการอธิบายหรือทดสอบสมมติฐานอื่นและเรียกว่าชุดข้อมูลของเล่น