SDV（合成数据仓库）问题：生成的合成数据集完全相同

核心原因 #

• FAST_ML预设的设计特性：SDV的FAST_ML预设是为了快速训练和结果可复现设计的，它内部默认固定了随机种子，采用确定性生成逻辑——这意味着只要用这个预设且不修改种子，不管跑多少次，生成的合成数据都会完全一致。
• 随机种子未正确传递：你当前的代码没有给合成器指定自定义随机种子，且FAST_ML会忽略环境中的全局随机状态，只使用自身内置的固定种子，所以哪怕换会话、改全局种子也没用。

解决方法 #

• 显式设置合成器随机种子：
  在初始化SingleTablePreset时，通过random_state参数传入不同的随机种子值，每次运行更换这个值就能生成不同的合成数据：

  metadata.detect_from_dataframe(data=input_data)
  # 每次运行更换random_state的数值，比如42、123、456等
  synthesizer = SingleTablePreset(metadata=metadata, name='FAST_ML', random_state=42)
  synthesizer.fit(data=input_data)
  synthetic_data = synthesizer.sample(num_rows=len(input_data))
  

  也可以在sample方法中动态指定种子，实现每次采样结果不同：

  synthetic_data = synthesizer.sample(num_rows=len(input_data), random_state=随机整数)
  

• 更换预设类型：如果不需要极致的训练速度，更希望每次生成不同的合成数据，可以改用CTGAN、TVAE这类默认保留随机性的预设，它们不会固定内置种子，每次运行都会生成不同结果（除非你主动锁种子）。
• 重置全局随机状态：如果你的运行环境全局锁定了numpy、torch等库的随机种子，可在代码开头添加以下代码重置：

  import numpy as np
  import torch
  import random
  
  np.random.seed(None)
  torch.manual_seed(None)
  random.seed(None)
  

内容的提问来源于stack exchange，提问作者user3786999