基于自编码器和回归模型辅助GAN表格数据生成方法

本发明公开了基于自编码器和回归模型辅助GAN表格数据生成方法，具体涉及数据生成与建模技术领域；是通过自编码器对原始输入变量特征进行压缩重构，以提取潜在表示结构；并结合多种机器学习模型对输出变量进行拟合预测，通过交叉验证筛选出性能最优的回归模型，实现输入变量与输出变量之间关联关系的精确建模。构建生成对抗网络模型以真实数据为指导，融合自编码器的重构能力和回归模型的预测能力，优化生成器生成的虚拟表格数据质量，从而提升生成数据在语义结构、变量分布与预测有效性方面的准确性。适用于具有输入输出字段特征的结构化场景，实现小样本条件下高质量合成数据生成。