文件
PETsARD YAML
Splitter YAML

Splitter YAML

Splitter 模組的 YAML 設定檔案格式。

使用範例

請點擊下方按鈕在 Colab 中執行範例：

Open In Colab

基本分割 

Loader:
  load_benchmark_with_schema:
    filepath: benchmark://adult-income
    schema: benchmark://adult-income_schema
Splitter:
  basic_split:
    num_samples: 3
    train_split_ratio: 0.8

控制重疊比例 

Loader:
  load_benchmark_with_schema:
    filepath: benchmark://adult-income
    schema: benchmark://adult-income_schema
Splitter:
  controlled_overlap:
    num_samples: 10
    train_split_ratio: 0.8
    max_overlap_ratio: 0.8  # 允許 80% 重疊
    max_attempts: 500
    random_state: 42

無重疊分割 

Loader:
  load_benchmark_with_schema:
    filepath: benchmark://adult-income
    schema: benchmark://adult-income_schema
Splitter:
  no_overlap:
    num_samples: 2
    train_split_ratio: 0.01
    max_overlap_ratio: 0.0  # 完全不重疊
    max_attempts: 100000
    random_state: 42
⚠️
注意：此範例僅示範無重疊設定。由於本套件採用隨機抽樣後比較的演算法，實現完全無重疊（max_overlap_ratio: 0.0）極為困難。此功能旨在提供抽樣多樣性，實務上建議保留適度重疊（如 max_overlap_ratio: 0.8）以確保執行效率。

主要參數

  • num_samples (integer, 選用)

    • 重複抽樣次數
    • 預設值：1

  • train_split_ratio (float, 選用)

    • 訓練集的資料比例
    • 預設值：0.8

參數詳細說明

必要參數

Splitter 沒有必要參數，所有參數皆為選用。

選用參數

參數類型預設值說明範例
num_samplesinteger1重複抽樣次數5
train_split_ratiofloat0.8訓練集的資料比例（0.0 到 1.0）0.7
random_stateinteger|stringnull用於重現結果的隨機種子42 或 "exp_v1"
max_overlap_ratiofloat1.0樣本間允許的最大重疊比率（0.0 到 1.0）0.1
max_attemptsinteger30重疊控制的最大抽樣嘗試次數50

使用場景

Splitter 模組主要是為了配合 Evaluator 評測需求而設計，用於將資料集拆分為訓練集和測試集。詳細的分割後評測設定，請參考 Evaluator YAML 說明文件。

相關說明

  • 拔靴法抽樣：Splitter 使用拔靴法（bootstrap sampling）生成多個訓練/驗證分割。
  • 重疊控制：透過 max_overlap_ratio 參數精確控制樣本間的重疊程度。
  • 樣本獨立性：如需更完整的實驗拆分測試，可根據 train_split_ratio 設定 max_overlap_ratio（例如 train_split_ratio: 0.8 可設定 max_overlap_ratio: 0.8）。

執行說明

  • 可定義多個分割實驗，系統會依序執行
  • 分割結果會傳遞給下一個模組（如 Synthesizer）使用
  • 樣本編號從 1 開始（非 0）

注意事項

  • 重疊約束過於嚴格可能導致抽樣失敗，請適當調整 max_attempts
  • 設定 random_state 以確保結果可重現