生成算法的优势在于创建 合成数据，尤其是在目标域的标签不丰富或存在其他限制（例如隐私问题）的情况下。例如，如果人们希望在新的信号域中创建比当前通过数据收集获得的更广泛、更多样化的训练数据集，则可以使用生成算法将相关信号域中的丰富信号“转换”到新域。不过，在这两种情况下，都需要进行适当的验证，以证明在这些数据上训练的算法的有效性，以及其预测中不存在任何偏差。
数据已成为当今社会许多发现的货币，我们将继续看到其价值在明年增长。数据源的集成（针对目标人群并涵盖大量感兴趣的特征）会对 算法的通用性和准确性产生深远影响。另一方面，当这些集 多米尼加共和国手机号码数据 合包含个人识别信息 或受保护的健康信息 字段时，如果没有专门的程序来消除特定字段并最大限度地降低个人识别风险，则无法将这些源集成到训练集中。在医疗应用中，问题更加复杂，因为患者数据受到保护健康保险隐私及责任法。
在接下来的一年里，我们期望看到商业组织寻求通过使用去识别方法来克服这一问题，这种方法可以链接由不同实体拥有和存储的同一个人的不同数据集。
标记化就是这样一种方法——它允许算法开发人员访问代表预期使用人群的各种数据集，然后可以使用这些数据来开发和验证可推广的算法。标记化还创建了一个有效的数据搜索和交换平台，组织可以在其中以保护隐私的方式提供和查找同一患者的不同模式的数据集。随着现实世界数据成为 应用程序开发和验证的主要来源，标记化将发挥越来越大的作用。