類別編碼
多數合成演算法僅支援數值型欄位的合成，即使直接支援類別欄位合成，也通常涉及合成器本身內建的前處理與後處理還原轉換。而 CAPE 團隊正是希望控制這些第三方套件不可預期的行為而設計了 PETsARD，建議對於任何包含類別變項的欄位，都應主動進行編碼處理：
- 類別變項：預設使用均勻編碼（Uniform Encoding），技術細節見開發者手冊中的均勻編碼
請點擊下方按鈕在 Colab 中執行範例：
---
Loader:
data:
filepath: 'benchmark/adult-income.csv'
Preprocessor:
encoding-only:
# only execute the encoding by their default,
sequence:
- 'encoder'
Synthesizer:
demo:
method: 'default'
Postprocessor:
demo:
method: 'default'
Evaluator:
demo-quality:
method: 'sdmetrics-qualityreport'
Reporter:
output:
method: 'save_data'
source: 'Synthesizer'
save_report_global:
method: 'save_report'
granularity: 'global'
...自訂設定
下面配置用於客製化類別編碼的處理方式。設定 method: 'default' 表示除了特別指定的欄位外，其他欄位都採用預設的處理方式。
在 encoder 區塊中，我們針對三個欄位採用不同的編碼策略：workclass 欄位採用均勻編碼來處理遺失值，occupation 欄位使用標籤編碼、並假設職業類別的字母排序反映了其階層性質，而 native-country 欄位則採用獨熱編碼、將其轉換為 k 維二元變數，以保留每個國家類別的獨特性質且避免引入虛假的順序關係。
Preprocessor:
encoding-custom:
sequence:
- 'encoder'
encoder:
workclass: 'encoding_uniform'
occupation: 'encoding_label'
native-country: 'encoding_onehot'編碼處理方法
- 均勻差補編碼（
encoding_uniform）
- 將類別值轉換為均勻分布的數值
- 適用於一般類別變項
- 預設的編碼方式
- 標籤編碼（
encoding_label）
- 將類別值轉換為連續整數
- 適用於有序類別變項
- 保留類別之間的順序關係
- 獨熱編碼（
encoding_onehot）
- 將每個類別轉換為獨立的特徵欄位，每個欄位代表一個類別的存在與否
- 類別資料在合成過程中以獨立特徵的形式處理，合成後再重新組合還原
- 適用於類別數量較少的變項，因為每增加一個類別就會增加一個特徵維度
- 日期編碼（
encoder_date）- 將日期時間值轉換為數值格式以進行合成
- 支援多種輸出格式：
- 純日期：基本日期資訊
- 日期時間：完整的日期和時間資訊
- 含時區的日期時間：包含時區的完整時間資訊
- 提供特殊功能：
- 支援自訂曆法（如民國年）
- 彈性的日期解析
- 多種無效日期處理策略
- 時區處理支援
您可以針對不同欄位使用不同的編碼方法，只要在設定檔中指定相應的設定即可。