Postprocessor YAML

Postprocessor 模組的 YAML 設定檔案格式，用於資料後處理（還原轉換）。

使用範例

請點擊下方按鈕在 Colab 中執行範例：

Loader:
  load_benchmark_with_schema:
    filepath: benchmark://adult-income
    schema: benchmark://adult-income_schema
Preprocessor:
  default:
    method: default
Synthesizer:
  default:
    method: default
Postprocessor:
  default:
    method: default  # 後處理：自動還原前處理轉換
Reporter:
  save_all_step:
    method: save_data
    source:
      - Preprocessor
      - Synthesizer
      - Postprocessor

主要參數

method (string, 必要)
- 目前僅提供 'default' 方法，會自動偵測對應的 Preprocessor 配置並執行逆向還原操作

工作原理

Postprocessor 會自動執行 Preprocessor 的逆向操作，將合成資料還原到原始格式：

自動偵測：讀取對應的 Preprocessor 配置
逆序執行：按相反順序執行還原操作
資料還原：
- 反縮放（scaler → inverse scaler）
- 反編碼（encoder → inverse encoder）
- 反離散化（discretizing → inverse discretizing）
- 恢復缺失值（missing → restore NA）

與 Preprocessor 的對應關係

Preprocessor 步驟	Postprocessor 對應	說明
`missing`	`restore_missing`	依比例重新插入缺失值
`outlier`	❌ 不還原	離群值處理無法逆向
`encoder`	`inverse_encoder`	類別變數解碼
`scaler`	`inverse_scaler`	數值反縮放
`discretizing`	`inverse_discretizing`	連續化

還原序列

假設 Preprocessor 的序列為 ['missing', 'outlier', 'encoder', 'scaler']， Postprocessor 的還原序列為 ['scaler', 'encoder', 'missing']

注意：

outlier 不會被還原（離群值處理無法逆向）
序列自動反轉
缺失值會依原始資料的比例重新插入

還原流程圖

合成資料（已編碼）
  ↓
反縮放（Scaler inverse）
  ↓
反編碼（Encoder inverse）
  ↓
插入缺失值（Missing restore）
  ↓
原始格式資料

精度還原

Postprocessor 會自動還原數值欄位到原始精度：

精度來源：使用 Preprocessor 輸入時的 schema（preprocessor_input_schema）
自動應用：還原完成後自動根據原始精度進行四捨五入
精度一致：確保還原後的資料與原始資料精度一致

執行說明

Postprocessor 必須在 Preprocessor 之後執行
系統會自動讀取前面的 Preprocessor 配置
系統會自動取得原始資料的精度資訊
如果沒有對應的 Preprocessor，Postprocessor 將不執行任何操作

注意事項

Postprocessor 會自動偵測並使用對應的 Preprocessor 配置
離群值處理無法還原，資料範圍可能與原始資料略有差異
缺失值會按照原始比例隨機插入（位置可能不同）
資料類型會自動對齊到原始 schema 定義
精度會自動還原到原始資料的精度
多個前後處理器的配置建議：
- 即使配置了多個 Preprocessor，通常只需設定單一個 Postprocessor 即可自動處理所有還原操作
- 目前針對多個 Preprocessor 組合以及多個 Postprocessor 配置的測試並不全面
- 建議：盡可能避免在 Preprocessor 上同時嘗試多種複雜組合，以確保後處理的穩定性