文件
Python API
Adapter API（更新中）
EvaluatorAdapter

EvaluatorAdapter

EvaluatorAdapter 處理資料評估，支援原始、合成和控制資料集的比較評估。

類別架構 

classDiagram

    class EvaluatorAdapter {
        +config: dict
        +evaluator: Evaluator
        +__init__(config)
        +run() dict~str, DataFrame~
    }

    class Evaluator {
        +config: dict
        +method: str
        +create()
        +eval(data) dict~str, DataFrame~
    }

    class BaseEvaluator {
        <<抽象類別>>
        +evaluate() dict
    }

    class EvaluatorSDMetrics {
        +evaluate() dict
    }

    class EvaluatorAnonymeter {
        +evaluate() dict
    }

    EvaluatorAdapter ..> Evaluator : 用於評估
    Evaluator --> BaseEvaluator : 創建
    BaseEvaluator <|-- EvaluatorSDMetrics
    BaseEvaluator <|-- EvaluatorAnonymeter

    %% 樣式定義
    class EvaluatorAdapter {
        <<主要類別>>
    }
    style EvaluatorAdapter fill:#E6E6FA

    class Evaluator {
        <<核心模組>>
    }
    style Evaluator fill:#4169E1,color:#fff

    style BaseEvaluator fill:#9370DB,color:#fff
    style EvaluatorSDMetrics fill:#FFE4E1
    style EvaluatorAnonymeter fill:#FFE4E1

    note for EvaluatorAdapter "1. 固定資料來源：ori、syn、control\n2. 評估前自動對齊資料型別\n3. 支援多種評估方法\n4. 回傳包含評估結果的字典"

圖例：

  • 淺紫色框：EvaluatorAdapter 主類別
  • 藍色框：核心評估模組
  • 紫色框：資料對齊模組
  • 淺粉色框：配置類別
  • ..>：依賴關係
  • -->：擁有關係

主要功能

  • 統一的資料評估介面
  • 自動資料類型對齊（使用 Schema）
  • 支援多資料集評估（ori、syn、control）
  • 整合各種評估方法（Privacy、Utility、Diagnostic）
  • 固定的資料源命名邏輯

方法參考

__init__(config: dict)

初始化 EvaluatorAdapter 實例。

參數：

  • config：dict，必要
    • 配置參數字典
    • 必須包含 method 鍵（評估方法）
    • 支援的評估方法：privacy、utility、diagnostic 等

run(input: dict)

執行資料評估，包括自動資料類型對齊。

參數：

  • input：dict，必要
    • 輸入參數字典
    • 包含 data 字典（ori、syn、control 資料）
    • 可選 schema 用於資料類型對齊

回傳： 無直接回傳值。使用 get_result() 取得結果。

set_input(status)

設定評估器的輸入資料。

參數：

  • status：Status，必要
    • 系統狀態物件
    • 自動提取 ori、syn、control 資料

回傳：

  • dict：包含評估所需的資料字典

get_result()

取得評估結果。

回傳：

  • dict[str, pd.DataFrame]：評估結果字典

使用範例 

from petsard.adapter import EvaluatorAdapter

# 初始化評估器
adapter = EvaluatorAdapter({
    "method": "privacy",
    "privacy_method": ["membership_inference", "attribute_inference"]
})

# 設定輸入資料（通常由 Executor 自動處理）
input_data = {
    "data": {
        "ori": original_df,
        "syn": synthetic_df,
        "control": control_df  # 可選
    },
    "schema": schema  # 可選，用於資料類型對齊
}

# 執行評估
adapter.run(input_data)

# 取得結果
results = adapter.get_result()

工作流程

  1. 資料收集：從 Status 收集 ori、syn、control 資料
  2. Schema 取得：優先順序為 Loader > Splitter > Preprocessor
  3. 資料類型對齊（有 Schema 時）
    • 使用 SchemaMetadater.align() 對齊資料類型
    • 確保評估時資料類型一致
  4. 評估執行：呼叫底層 Evaluator 執行評估

資料源邏輯

EvaluatorAdapter 使用固定的資料源命名：

  • ori（原始資料）：

    • 有 Splitter 時：取 Splitter 的 train
    • 無 Splitter 時：取 Loader 的結果

  • syn（合成資料）：

    • 取前一個模組的結果（通常是 Synthesizer 或 Postprocessor）

  • control（控制資料）：

    • 僅在有 Splitter 時存在
    • 取 Splitter 的 validation

注意事項

  • 這是內部 API，不建議直接使用
  • 建議使用 YAML 配置檔和 Executor
  • 資料源命名固定，不支援自訂
  • 自動處理資料類型對齊，確保評估正確性
  • 結果會快取直到下次 run() 呼叫
DescriberAdapterReporterAdapter