Deserialising tests with categorical treatments
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 2/5
- Tiempo estimado
- 1-3 horas
- Aptitud para principiantes
- 75/100
Línea de trabajo
Empieza por examinar el ejemplo examples/covasim/doubling_beta para ver cómo los tratamientos categóricos generan claves de pares. Luego localiza el código de serialización y deserialización JSON en la base de código Python que maneja estas claves de estimación de efectos. Corrige la lógica de deserialización para analizar correctamente los pares convertidos a cadena de texto de vuelta a su estructura original. Ejecuta las pruebas relevantes para verificar la corrección.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Categorical treatments are a nightmare! They're also a problem in adjustment sets as they lead to effect estimate (and kurtosis) keys that are pairs, e.g. (numerical_variable, categorical_variable[T.v1]), (numerical_variable, categorical_variable[T.v2]). To serialise to JSON, we need to stringify these pairs since JSON only allows atomic keys (strings, numbers, etc.), not lists. These currently don't deserialise properly.
For a simple example, look at examples/covasim/doubling_beta
- Lenguaje dominante
- Python
- Estrellas
- 20
- Forks
- 7
- Merge medio
- 4 d 17 h
- PR fusionados (30 d)
- 3
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Tiene una plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de CITCOM-project/CausalTestingFramework
-
Dashboard DAG font sizeAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 57/100
-
Dificultad 3/5 1-2 días Aptitud para principiantes 50/100
-
Pydantic for serialisationPosiblemente ocupada @SylviaWhittle la tomó hace 18 días. Abierto
CITCOM-project/CausalTestingFramework#419 · 1 asignado ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 64/100
Todos los issues de CITCOM-project/CausalTestingFramework
Issues similares
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
aws/sagemaker-python-sdk#6554 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 78/100
huggingface/diffusers#15170 ·
Los mantenedores suelen responder en 1 día
-
[BUG] LLM conflict check ignores MNEMOSYNE_LLM_MAX_TOKENS, so reasoning models return empty repliesAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
mnemosyne-oss/mnemosyne#1325 ·
Los mantenedores suelen responder en 1 día
-
enhancement meshtastic-2.8
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
pskillen/meshflow-api#459 ·