Guessing correctly the EM_EVENTPROBABILITY in scoring code
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- 3-5 Tage
- Anfängerfreundlichkeit
- 42/100
- Issue-Typ
- Bug
- Klarheit
- Größtenteils klar
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- python
- Bereich
- machine-learning
Rechercherichtung
Beginnen Sie bei pzmm.ImportModel.import_model und untersuchen Sie, wie SKmodel.predict_proba(...) auf EM_EVENTPROBABILITY abgebildet wird. Vergleichen Sie die Wahrscheinlichkeitsspalten mit SKmodel.classes_, und bestimmen Sie anschließend, wie ein Wert von targetevent die richtige Klasse für die binäre und die multinomiale Klassifikation auswählen könnte, ohne das Verhalten bei der Regression zu beeinflussen. Überprüfen Sie das resultierende Verhalten mit den relevanten Projekttests.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
When using pzmm.ImportModel.import_model for wirting scoring code for binary/multinomial classification it assumes from result = SKmodel.predict_proba(...) that the result[0] is the target variable probability and assigns it to EM_EVENTPROBABILITY, which may be incorrect, the levels probability may be in a distinct column.
At least for classification models, you can get the probability class labels and orders from SKmodel.classes_. If the user adds something like targetevent = "label", we could use it to assign the correct column of probability to EM_EVENTPROBABILITY.
It is likely that this only works for classification, and should not be confused when the model is a regression.
- Vorherrschende Sprache
- Python
- Sterne
- 52
- Forks
- 45
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Entwicklungsumgebung
- Kein Dockerfile und keine Docker-Compose-Datei
- Keine Pull-Request-Vorlage
- Beitragsleitfaden lesen
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus sassoftware/python-sasctl
-
enhancement
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 35/100
sassoftware/python-sasctl#224 ·
-
enhancement
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 25/100
sassoftware/python-sasctl#216 ·
-
bug
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 35/100
sassoftware/python-sasctl#207 · 1 Reaktion ·
-
bug
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 45/100
sassoftware/python-sasctl#202 ·
-
bug
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 30/100
sassoftware/python-sasctl#193 ·
Alle Issues in sassoftware/python-sasctl
Ähnliche Issues
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 66/100
cline/mcp-marketplace#3576 ·
-
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 90/100
griptape-ai/griptape-nodes-library-elevenlabs#30 ·
Maintainer antworten meist innerhalb von 1 Tag
-
docs: Release playbookOffendocumentation
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
awslabs/social-messaging-agent-runtime-toolkit#140 ·
Maintainer antworten meist innerhalb von 1 Tag
-
subtask
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 72/100
fga-eps-mds/2026.2-MeasureSoftGram-DOC#187 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 62/100
NSPG13/agent-bounties#1747 ·
Maintainer antworten meist innerhalb von 1 Tag