一种基于可解释性的条件表格GAN建立方法

本发明属于数据生成技术领域，公开了一种基于可解释性的条件表格GAN建立方法，包括：构建预训练模型；通过可解释性模型计算原始数据集中各样本的特征，并集合形成特征数据集；利用所述特征数据集训练所述预训练模型；构建基础GAN框架，并将训练后的所述预训练模型嵌入所述基础GAN框架，获得条件表格GAN；利用原始数据集训练所述条件表格GAN。综上，本发明通过使用可解释性模型、机器学习算法和基础GAN框架，使得本发明条件表格GAN可以更好的控制生成样本类别、并提高生成样本的多样性，进而提高最终表格数据的生成质量与生成效率。