Sentetik Veri Üretimi — Gerçek Veri Olmadan Model Eğitmek Mümkün mü?

import numpy as np
import pandas as pd
from faker import Faker
 
# ─── YÖNTEM 1: KURAL TABANLI SENTETİK VERİ ──────────
def kural_tabanli_sentetik_veri(n_kayit: int = 1000) -> pd.DataFrame:
    """
    Faker kütüphanesi ile gerçekçi görünen ama tamamen
    uydurma kişisel veri üretimi — geliştirme/test ortamı için ideal
    """
    fake = Faker('tr_TR')  # Türkçe locale
 
    veriler = []
    for _ in range(n_kayit):
        veriler.append({
            "isim": fake.name(),
            "email": fake.email(),
            "telefon": fake.phone_number(),
            "sehir": fake.city(),
            "dogum_tarihi": fake.date_of_birth(minimum_age=18, maximum_age=80),
            "meslek": fake.job()
        })
 
    df = pd.DataFrame(veriler)
    print(f"✅ {n_kayit} sentetik kayıt oluşturuldu (Faker ile)")
    return df
 
# ─── YÖNTEM 2: İSTATİSTİKSEL DAĞILIM TABANLI ────────
def istatistiksel_sentetik_veri(gercek_veri_istatistikleri: dict,
                                  n_kayit: int = 1000) -> pd.DataFrame:
    """
    Gerçek verinin istatistiksel özelliklerini (ortalama, std, korelasyon)
    kopyalayarak, gerçek veriye BENZER ama farklı sentetik veri üretme
    """
    np.random.seed(42)
 
    sentetik = pd.DataFrame({
        "yas": np.random.normal(
            gercek_veri_istatistikleri["yas_ortalama"],
            gercek_veri_istatistikleri["yas_std"],
            n_kayit
        ).clip(18, 90).astype(int),
 
        "gelir": np.random.lognormal(
            gercek_veri_istatistikleri["gelir_log_ortalama"],
            gercek_veri_istatistikleri["gelir_log_std"],
            n_kayit
        )
    })
 
    print(f"✅ {n_kayit} istatistiksel sentetik kayıt oluşturuldu")
    print(f"   Sentetik veri ortalama yaş: {sentetik['yas'].mean():.1f}")
    print(f"   Sentetik veri ortalama gelir: {sentetik['gelir'].mean():.0f}")
 
    return sentetik
 
# ─── YÖNTEM 3: GAN TABANLI (Kavramsal Açıklama) ─────
def gan_tabanli_sentetik_veri_aciklama():
    """
    GAN (Generative Adversarial Network) — en gelişmiş yaklaşım.
    Gerçek veriden ÖĞRENEREK, o verinin karmaşık istatistiksel
    özelliklerini (değişkenler arası korelasyonlar dahil) taklit eden
    sentetik veri üretiyor.
    """
    print("""
    🧠 GAN Tabanlı Sentetik Veri Mantığı:
 
    1. Generator ağı: Rastgele gürültüden 'sahte' veri üretmeye çalışır
    2. Discriminator ağı: Gerçek veri ile sahte veriyi ayırt etmeye çalışır
    3. Bu iki ağ birbirine karşı 'yarışarak' eğitilir
    4. Sonuçta Generator, gerçek veriden AYIRT EDİLEMEYECEK
       kadar gerçekçi sentetik veri üretmeyi öğrenir
 
    Popüler araçlar: CTGAN, SDV (Synthetic Data Vault)
    """)
 
gan_tabanli_sentetik_veri_aciklama()
 
# Örnek kullanım
test_verisi = kural_tabanli_sentetik_veri(100)
print(test_verisi.head())