DeepEcho

用深度学习生成逼真的时间序列数据，解决数据稀缺问题。

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 17 🐛 待处理 10 👀 关注 7
GitHub ↗
GitHub 星标 ★ 126
维护状态 活跃
是否开源 开源
定价模式 🏷️完全免费 开源项目，本地部署，完全免费

项目预览

DeepEcho 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类数据集
开发团队sdv-dev
GitHubhttps://github.com/sdv-dev/DeepEcho
定价模式🏷️完全免费
价格说明开源项目，本地部署，完全免费
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,deep-learning,generative-adversarial-network,sdv,synthetic-data,synthetic-data-generation,time-series
GitHub 星标★ 126
上线时间2020-06-13 00:00:00
代码更新2026-11-09
仓库体积820 KB
本站数据更新2026-11-09
维护状态活跃
收录时间2026-08-10
浏览次数7

项目介绍

DeepEcho 是一个专注于混合类型、多变量时间序列数据的合成数据生成库。它解决的是在数据隐私保护、数据增强和模型开发中，真实时间序列数据难以获取或使用受限的问题。其核心能力在于利用深度生成模型（如 GAN）学习真实数据的分布，从而生成高度逼真且统计特性相似的合成时间序列数据。该库提供了简洁的 API，支持多种数据类型的混合，并集成到 SDV 生态系统中，方便用户进行数据探索、评估和生成。

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 ★ 126

核心亮点

  • 专门针对混合类型多变量时间序列设计，覆盖常见数据形态
  • 基于深度生成模型，能捕捉复杂时序依赖关系
  • 集成 SDV 生态，提供数据评估与可视化工具

不足之处

  • 项目处于早期，文档和社区支持待观察
  • 生成质量高度依赖数据规模和模型调参

适用场景

  • 数据脱敏：生成替代真实数据的合成数据供外部使用
  • 数据增强：扩充小样本时间序列数据集以提升模型性能
  • 算法测试：在不涉及隐私的真实数据分布下验证模型

替代项目

TimeGAN、DoppelGANger、YData Synthetic

上一篇：rapiddweller-benerator-ce

下一篇：potato

同类项目推荐

SDGym 开源

一键跑分，对比各种合成数据生成算法

Benchmarking synthetic data generation methods.

★ 313 2026-08-10
open-data-registry 开源

一键发现并定位 AWS 上的公开数据集

A registry of publicly available datasets on AWS

★ 1828 2026-09-21
meerkat 开源

打开数据黑盒，几行代码交互式检查训练集，快速定位模型翻车原因。

Explore and understand your training and validation data.

★ 856 2026-08-09
leaked-system-prompts 开源

看穿AI产品背后的系统指令，学习提示词设计。

Collection of leaked system prompts

★ 15014 2026-08-09
dp_cgans 开源

用差分隐私 GAN 造表格/RDF 假数据，隐私合规两不误

A library to generate synthetic tabular or RDF data using Conditional Generative Adv···

★ 101 2026-10-20
ICASSP-2023-24-Papers 开源

一键速览ICASSP 2023-24前沿论文，附代码，科研快人一步

ICASSP 2023-2024 Papers: A complete collection of influential and exciting research ···

★ 525 2026-08-09
datasets 开源

伊利诺伊大学精选数据集，Notebook 即开即用做实验

Various interesting datasets, mostly data from The University of Illinois

★ 198 2026-09-21