Buchumschlag

The Real Deal Behind the Artificial Appeal: Inferential Utility of Tabular Synthetic Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Decruyenaere, Alexander, Dehaene, Heidelinde, Rabaey, Paloma, Polet, Christiaan, Decruyenaere, Johan, Vansteelandt, Stijn, Demeester, Thomas
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Debiasing Synthetic Data Generated by Deep Generative Models
von: Decruyenaere, Alexander, et al.
Veröffentlicht: (2024)

On Weighted Orthogonal Learners for Heterogeneous Treatment Effects
von: Morzywolek, Pawel, et al.
Veröffentlicht: (2023)

Clinical Reasoning over Tabular Data and Text with Bayesian Networks
von: Rabaey, Paloma, et al.
Veröffentlicht: (2024)

Patient-level Information Extraction by Consistent Integration of Textual and Tabular Evidence with Bayesian Networks
von: Rabaey, Paloma, et al.
Veröffentlicht: (2025)

SimSUM: Simulated Benchmark with Structured and Unstructured Medical Records
von: Rabaey, Paloma, et al.
Veröffentlicht: (2024)

From Text to Treatment Effects: A Meta-Learning Approach to Handling Text-Based Confounding
von: Arno, Henri, et al.
Veröffentlicht: (2024)

Discussion of “On the Uses and Abuses of Regression Models: A Call for Reform of Statistical Practice and Teaching”
von: Stijn Vansteelandt, et al.
Veröffentlicht: (2025)

Fast projections of two-dimensional light patterns using acousto-optical deflectors
von: Decruyenaere, Robbert, et al.
Veröffentlicht: (2026)

Prior Knowledge Injection into Deep Learning Models Predicting Gene Expression from Whole Slide Images
von: Hallemeesch, Max, et al.
Veröffentlicht: (2025)

SynthEval: A Framework for Detailed Utility and Privacy Evaluation of Tabular Synthetic Data
von: Lautrup, Anton Danholt, et al.
Veröffentlicht: (2024)

Artificial Inductive Bias for Synthetic Tabular Data Generation in Data-Scarce Scenarios
von: Apellániz, Patricia A., et al.
Veröffentlicht: (2024)

Forage potential of Thinopyrum intermedium through near‐infrared spectrometry and grown in mixture with various legumes
von: Laura Fagnant, et al.
Veröffentlicht: (2024)

TVineSynth: A Truncated C-Vine Copula Generator of Synthetic Tabular Data to Balance Privacy and Utility
von: Griesbauer, Elisabeth, et al.
Veröffentlicht: (2025)

Structured Evaluation of Synthetic Tabular Data
von: Yang, Scott Cheng-Hsin, et al.
Veröffentlicht: (2024)

Privacy-Preserving Tabular Synthetic Data Generation Using TabularARGN
von: Sidorenko, Andrey, et al.
Veröffentlicht: (2025)

Causal machine learning for heterogeneous treatment effects in the presence of missing outcome data
von: Pryce, Matthew, et al.
Veröffentlicht: (2024)

Hierarchical Conditional Tabular GAN for Multi-Tabular Synthetic Data Generation
von: Ågren, Wilhelm, et al.
Veröffentlicht: (2024)

Dynamic Expert-Guided Model Averaging for Causal Discovery
von: Tench, Adrick, et al.
Veröffentlicht: (2026)

Annotation-Assisted Learning of Treatment Policies From Multimodal Electronic Health Records
von: Arno, Henri, et al.
Veröffentlicht: (2025)

TAEGAN: Generating Synthetic Tabular Data For Data Augmentation
von: Li, Jiayu, et al.
Veröffentlicht: (2024)

Utility Theory of Synthetic Data Generation
von: Xu, Shirong, et al.
Veröffentlicht: (2023)

Dealing with Synthetic Data Contamination in Online Continual Learning
von: Wang, Maorong, et al.
Veröffentlicht: (2024)

Targeted learning of heterogeneous treatment effect curves for right censored or left truncated time-to-event data
von: Pryce, Matthew, et al.
Veröffentlicht: (2026)

How Realistic Is Your Synthetic Data? Constraining Deep Generative Models for Tabular Data
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2024)

Diffusion Models for Tabular Data Imputation and Synthetic Data Generation
von: Villaizán-Vallelado, Mario, et al.
Veröffentlicht: (2024)

Synthetic Tabular Data: Methods, Attacks and Defenses
von: Cormode, Graham, et al.
Veröffentlicht: (2025)

Privacy-Preserving Fair Synthetic Tabular Data
von: Sarmin, Fatima J., et al.
Veröffentlicht: (2025)

Robust Spectral Watermark for Synthetic Tabular Data
von: Zhao, Yizhou, et al.
Veröffentlicht: (2025)

Synthetic Tabular Data Detection In the Wild
von: Kindji, G. Charbel N., et al.
Veröffentlicht: (2025)

A Comprehensive Survey of Synthetic Tabular Data Generation
von: Shi, Ruxue, et al.
Veröffentlicht: (2025)

A Survey on Deep Learning Approaches for Tabular Data Generation: Utility, Alignment, Fidelity, Privacy, Diversity, and Beyond
von: Stoian, Mihaela Cătălina, et al.
Veröffentlicht: (2025)

Benchmarking the Fidelity and Utility of Synthetic Relational Data
von: Hudovernik, Valter, et al.
Veröffentlicht: (2024)

Cross-table Synthetic Tabular Data Detection
von: Kindji, G. Charbel N., et al.
Veröffentlicht: (2024)

Inference-Time Refinement Closes the Synthetic-Real Gap in Tabular Diffusion
von: Lomurno, Eugenio, et al.
Veröffentlicht: (2026)

Memisis: Orchestrating and Evaluating Synthetic Data for Tabular Health Datasets
von: Nagesh, Nitish, et al.
Veröffentlicht: (2026)

CARTGen-IR: Synthetic Tabular Data Generation for Imbalanced Regression
von: Pinheiro, António Pedro, et al.
Veröffentlicht: (2025)

FEST: A Unified Framework for Evaluating Synthetic Tabular Data
von: Niu, Weijie, et al.
Veröffentlicht: (2025)

CuTS: Customizable Tabular Synthetic Data Generation
von: Vero, Mark, et al.
Veröffentlicht: (2023)

Modeling Clinical Uncertainty in Radiology Reports: from Explicit Uncertainty Markers to Implicit Reasoning Pathways
von: Rabaey, Paloma, et al.
Veröffentlicht: (2025)

Evaluating Inter-Column Logical Relationships in Synthetic Tabular Data Generation
von: Long, Yunbo, et al.
Veröffentlicht: (2025)