Splitter

Splitter(
    method=None,
    num_samples=1,
    train_split_ratio=0.8,
    random_state=None
)

用於實驗目的，將資料分割為訓練集和驗證集。設計用於支援如 Anonymeter 的隱私評估任務，多次分割可降低合成資料評估的偏誤。對於不平衡的資料集，建議使用較大的 num_samples。

參數

method (str, optional)：載入已分割資料的方法
- 預設值：無
- 可用值：‘custom_data’ - 從檔案路徑載入分割資料
num_samples (int, optional)：重複抽樣次數
- 預設值：1
train_split_ratio (float, optional)：訓練集的資料比例
- 預設值：0.8
- 必須介於 0 和 1 之間
random_state (int | float | str, optional)：用於重現結果的隨機種子
- 預設值：無

範例

from petsard import Splitter


# 基本用法
split = Splitter(num_samples=5, train_split_ratio=0.8)
split.split(data=df)
train_df = split.data[1]['train'] # 第一次分割的訓練集

方法

`split()`

split.split(data, exclude_index=None, metadata=None)

執行資料分割。

參數

data (pd.DataFrame, optional)：要分割的資料集
- 若 method='custom_data' 則不需提供
exclude_index (list[int], optional)：要在抽樣時排除的索引列表
- 預設值：無
metadata (Metadata, optional)：資料集的 Metadata 物件
- 預設值：無

回傳值

無

分割結果儲存於：
- Splitter.data：包含所有分割結果的字典
- Splitter.metadata：資料集詮釋資料
存取分割資料的方式：
- Splitter.data[sample_num]['train']：特定樣本的訓練集
- Splitter.data[sample_num]['validation']：特定樣本的驗證集

屬性

data：分割資料集字典
- 格式：{sample_num: {'train': pd.DataFrame, 'validation': pd.DataFrame}}
metadata：資料集詮釋資料（Metadata 物件）
config：設定字典，包含：
- 若 method=None：
  - num_samples (int)：重複抽樣次數
  - train_split_ratio (float)：分割比例
  - random_state (int | float | str)：隨機種子
- 若 method='custom_data'：
  - method (str)：載入方法
  - filepath (dict)：資料檔案路徑
  - 其他 Loader 設定

Loader Processor