项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 659
使用教程
环境要求
- Python 3.8+
- pandas 与 scipy
安装与启动步骤
-
1装包
PyPI 和 conda-forge 都有，conda 装能顺带把数值依赖一起解决，省事。
pip install copulas -
2拟合一个边缘分布
它把每个字段单独拟合分布，再学字段之间的相关性结构。
-
3学 copula 结构
高斯 copula 是最稳的起点，复杂结构留给数据量足够时再试。
-
4采样并回代
生成的样本是相关结构上的均匀值，要再用边缘分布反变换回原量纲。
-
5和原表对比
看每列的分布和列间相关性是否被保住，这两项都对才算拟合成功。
如何确认成功
采样出的合成表在每列分布和列间相关性上都接近原表
注意事项
- 它是 SDV 生态的底层库，要做整表合成直接用 SDV 更省事。
- 字段多时联合分布难拟合，先做字段分组再分别建模。
核心亮点
- 基于统计学 copula 理论，能捕捉变量间复杂依赖关系，生成数据质量高
- API 设计简洁，几行代码即可完成模型训练和样本生成，上手快
- 支持多种 copula 模型和条件采样，灵活适应不同数据分布和业务需求
不足之处
- 文档和社区资源相对较少，新手学习曲线较陡
- 对高维数据支持有限，模型训练效率可能成为瓶颈
适用场景
- 数据增强：扩充小样本数据集以提升机器学习模型性能
- 隐私保护：生成合成数据替代真实数据用于共享和发布
- 场景模拟：生成符合特定依赖关系的模拟数据用于测试和验证
替代项目
SDV (Synthetic Data Vault)、CTGAN (基于GAN的表格数据生成)、YData Synthetic
上一篇：CTGAN
下一篇：dbldatagen
同类项目推荐
Chatette
开源
用模板语法一键生成海量 Rasa 训练语料，告别手工标注。
A powerful dataset generator for Rasa NLU, inspired by Chatito
nepali-datasets
开源
尼泊尔语AI数据一页找齐，省去全网翻找
A comprehensive, curated collection of Nepali datasets aggregated from community sou···
AGIQA-3k-Database
开源
给AI生成图像质量打分，建立评估基准
[IEEE TCSVT2023] A Fine-grained Subjective Perception & Alignment Database for AI Ge···
dbldatagen
开源
在 Databricks 上快速生成大规模仿真测试数据
Generate relevant synthetic data quickly for your projects. The Databricks Labs syn···
yoruba-text
开源
为约鲁巴语AI模型提供高质量训练文本，助力低资源语言NLP落地。
Yorùbá language training text for NLP, ASR and TTS tasks
nvzhuang
开源
1407 张女装参考图，检索即用做虚拟试穿
1407 张 AI 女装参考图集与虚拟试穿网站，支持中英检索、OpenAI Images / Gemini / 豆包及···
APSD
开源
看穿对抗攻击：用视觉标准量化扰动隐蔽性
Official dataset for “Stealthiness Assessment of Adversarial Perturbation: From a V···
CVPR2024-Papers-with-Code-Demo
开源
看CVPR 2024论文，一键直达代码和Demo，跟上前沿不费力。
收集 CVPR 最新的成果，包括论文、代码和demo视频等，欢迎大家推荐！Collect the latest C···
civitai-mirror-list
开源
Civitai 下架模型一键找备份，不再怕资源丢失
A suggestion list and archive tools for models that civitai may have removed.