Scoring code for H2O (binary) contains errors
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- 3-5 Tage
- Anfängerfreundlichkeit
- 35/100
- Issue-Typ
- Bug
- Klarheit
- Größtenteils klar
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- python
- Bereich
- machine-learning
Rechercherichtung
Beginne mit examples/pzmm_h2o_model_import.ipynb und reproduziere den binären H2O-Import. Untersuche anschließend den generierten Score-Code und dessen Score-Code-Attribut in Model Manager. Als abgeschlossen gilt die Aufgabe, wenn das Attribut automatisch gesetzt wird und der generierte Code h2o.load_model verwendet, den Pfad zur Model-Pickle-Datei in Anführungszeichen setzt und Vorhersagewerte vor dem Vergleich in float umwandelt.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
I have built the H2O model based on the example:
https://github.com/sassoftware/python-sasctl/blob/master/examples/pzmm_h2o_model_import.ipynb
Then imported into Model Manager
There is one minor issue at this stage, when any Python developed model is imported with pzmm, in Model Manager the Score code file doesn't have the Score code attribute set. It has to be set manually which causes problems when CI/CD approach is considered
Let's continue with H2O model issue.
When H2O model is imported as the Binary one the Score code function contains several errors:
- The model load statement is model=h2o.load(). The load() method is not defined for h2o it should be load_model
- The model path within model=h2o.load() statement is wrong. The model pickle file name should be placed into quotation marks
- There are a few places with prediction variable comparison e.g. prediction[1][2] > 0.5. Prediction is defined as STR therefore it will generate an error. it should be casted into float using float()
Version
1.10.1
- 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 78/100
fritzprix/libr-agent#2612 ·
Maintainer antworten meist innerhalb von 1 Tag
-
needs-triage presubmit-gate
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
gke-labs/kube-agents#5001 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 84/100
simonw/sqlite-utils#928 ·
Maintainer antworten meist innerhalb von 3 Tagen
-
colorado
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 72/100
freelawproject/juriscraper#2405 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 66/100
cline/mcp-marketplace#3576 ·