وقتی نمونهٔ برچسب‌خورده کم است، دادهٔ مصنوعی می‌تواند طبقه‌بند را راه بیندازد — اما سوگیری و نشت برچسب همچنان هست.

کاربرد درست، متعادل کردن کلاس‌های نادر است، نه ساختن کل دیتاست از صفر. اعتبارسنجی نهایی همیشه روی مجموعهٔ واقعی جدا نگه داشته شود.

اگر توزیع مصنوعی با واقعیت فاصله داشته باشد، مدل در آزمایش خوب و در میدان ضعیف ظاهر می‌شود. گزارش اختلاف توزیع را بخشی از تحویل بدانید.

برای دادهٔ مشتری، تولید مصنوعی مجوز دور زدن قواعد حریم نیست؛ مبدأ و محدودیت استفاده را مکتوب کنید.

اقدام پیشنهادی: دادهٔ مصنوعی را فقط برای متعادل کردن کلاس‌های نادر به کار ببرید؛ همیشه روی مجموعهٔ واقعی جدا اعتبارسنجی کنید.