CTGAN

用 GAN 生成逼真表格数据，解决隐私与数据不足问题

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署数据集 🍴 复刻 333 🐛 待处理 41 👀 关注 21

GitHub ↗

GitHub 星标 ★ 1577

维护状态较活跃

是否开源开源

定价模式 🏷️完全免费开源项目，可免费使用和本地部署，无付费版本。

项目预览

项目数据

分类数据集

开发团队sdv-dev

GitHubhttps://github.com/sdv-dev/CTGAN

定价模式🏷️完全免费

价格说明开源项目，可免费使用和本地部署，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型data-generation,generative-adversarial-network,synthetic-data,synthetic-data-generation,tabular-data

GitHub 星标★ 1577

上线时间2019-09-08 00:00:00

代码更新2026-11-02

仓库体积2.0 MB

本站数据更新2026-11-10

维护状态较活跃

收录时间2026-08-10

浏览次数8

项目介绍

CTGAN 是一个基于条件生成对抗网络（Conditional GAN）的合成表格数据生成工具。它解决真实表格数据隐私保护、数据不平衡、样本不足等问题，通过深度学习模型学习原始数据的分布，生成高度逼真的合成数据。核心能力包括：支持混合数据类型（数值与类别）、自动处理类别不平衡、可生成任意规模的样本、提供与 pandas 无缝集成的 API。CTGAN 由 SDV 团队开发，是合成数据领域的重要开源实现，广泛应用于数据共享、机器学习模型训练、数据增强等场景。

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 ★ 1577

技术标签

data-generation generative-adversarial-network synthetic-data tabular-data

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：入门约 10 分钟部署方式：库/依赖 5 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 3 环境（README 未注明具体版本）
已安装 pip 包管理工具
可访问 GitHub / PyPI 的网络环境
建议使用虚拟环境（venv 或 conda）避免依赖冲突

安装与启动步骤

1克隆仓库

从 GitHub 拉取 CTGAN 源码，便于查看示例与文档；README 未给出安装命令，先获取代码。
```
git clone https://github.com/sdv-dev/CTGAN.git
```
2进入项目目录

切换到刚克隆下来的 CTGAN 目录，后续命令都在该目录下执行。
```
cd CTGAN
```
3安装依赖包

README 的 Install 章节为空，此命令依据 Usage Example 中的 ctgan 模块名推断，请以官方文档为准。
```
pip install ctgan
```
4运行示例代码

README 示例导入 CTGAN 与 load_demo，并加载内置 Adult Census 演示数据集，用于确认环境可用。
```
python3 -c "from ctgan import CTGAN
from ctgan import load_demo
real_data = load_demo()
print(real_data.head())"
```
5学习并生成数据

用 CTGAN 类对 real_data 进行训练后生成合成数据；README 仅给出导入与加载，具体训练参数请查官方文档。