fairlearn/fairlearn

Run perf tests on large datasets / stress test

Offen

#226 geöffnet am 07.01.2020

Auf GitHub ansehen
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (504 Forks)auto 404
enhancementhelp wantedtest

Repository-Metriken

Stars
 (2.254 Sterne)
PR-Merge-Metriken
 (Durchschn. Merge 12T 20h) (17 gemergte PRs in 30 T)

Beschreibung

We should test the limits. If you're interested in tackling this please reach out.

Contributor Guide

Research-Richtung
Richten Sie ein Leistungstest Framework (z.B. pytest benchmark) ein, um die vorhandene Testsuite auf großen synthetischen Datensätzen auszuführen. Identifizieren und messen Sie die zeitaufwändigsten Operationen in der Fairnessbewertungspipeline.
Tech Stack
python
Domain
backendtesting
Issue Type
Performance
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-2 Tage
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Frisch
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Recherche nötig
Voraussetzungen
PythonpytestMachine Learning basics
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40