UnivariateTimeTypeToContinuous returns negative / wrong values for Time data when min_dt + step wraps past midnight
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 2/5
- Tiempo estimado
- 1-3 horas
- Aptitud para principiantes
- 78/100
- Tipo de issue
- Error
- Claridad
- Bien especificado
- Estado de actividad
- Activo
- Área
- data
Línea de trabajo
Empieza por src/transformers/other_transformers/univariate_time_type_to_continuous.jl, donde el issue señala el cálculo de la longitud del paso y la rama que gestiona el cambio de día a medianoche. Reproduce el problema con Time(13), Time(14) y Time(19) usando el paso predeterminado, Hour(13) y Hour(36); después, revisa las pruebas existentes para este transformador. Se considera terminado cuando cada transformación devuelve los valores no negativos esperados, escalados según su paso.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
UnivariateTimeTypeToContinuous gives wrong results, including negative values, for Dates.Time input whenever min_dt + step wraps past midnight. With the default step = Hour(24), that happens as soon as the earliest time in the training data is at or after 12:00.
Minimal example
using MLJBase, MLJTransforms, Dates
fitt(model, X) = (m = machine(model, X); fit!(m, verbosity=0); m)
X1 = [Time(9), Time(10), Time(15)]
X2 = [Time(13), Time(14), Time(19)]
transform(fitt(UnivariateTimeTypeToContinuous(), X1), X1)
# [0.0, 0.041666666666666664, 0.25] (correct: 1/24, 6/24)
transform(fitt(UnivariateTimeTypeToContinuous(), X2), X2)
# [-0.0, -0.041666666666666664, -0.25] (expected [0.0, 1/24, 6/24])
transform(fitt(UnivariateTimeTypeToContinuous(step=Hour(13)), X2), X2)
# [-0.0, -0.0909..., -0.5454...] (expected [0.0, 1/13, 6/13] ≈ [0.0, 0.0769, 0.4615])
transform(fitt(UnivariateTimeTypeToContinuous(step=Hour(36)), X2), X2)
# [-0.0, -0.0833..., -0.5] (expected [0.0, 1/36, 6/36])
transform(fitt(UnivariateTimeTypeToContinuous(step=Hour(1)), X2), X2)
# [0.0, 1.0, 6.0] (correct, because there's no wrap-around)
I ran this on MLJTransforms 0.2.3 with MLJBase 1.15.0 and Julia 1.13.3. The output above is copied from that session.
Cause
In src/transformers/other_transformers/univariate_time_type_to_continuous.jl, transform gets the step size from Dates.value(min_dt + step) - Dates.value(min_dt). In the next_time == min_dt branch it uses min_dt + Hour(12) instead. Time arithmetic wraps modulo 24 h, so:
- with the default
Hour(24)andmin_dt ≥ 12:00,min_dt + Hour(12)wraps,deltacomes out negative, and every output changes sign; - for any other step where
min_dt + stepcrosses midnight (e.g.Hour(13)from 13:00, or any step longer than 24 h that isn't a multiple of 24 h),deltahas the wrong magnitude and usually the wrong sign.
The same code is on dev (184aae1).
Expected
The output should be (X - min_dt) / step no matter what time of day min_dt is, i.e. [0, 1/24, 6/24] for X2 with the default step.
Possible fix (not tested)
For Time data the step length doesn't depend on min_dt, so the wrap-around branch can be skipped by computing the step length directly, e.g.
if min_dt isa Dates.Time
delta = Float64(Dates.value(convert(Nanosecond, step)))
else
delta = Float64(Dates.value(min_dt + step) - Dates.value(min_dt))
end
A regression test could fit on [Time(13), Time(14), Time(19)] with the default step, Hour(13) and Hour(36), and check the outputs are [0, 1, 6] ./ 24, ./ 13 and ./ 36.
- Lenguaje dominante
- Julia
- Estrellas
- 1
- Forks
- 5
- Merge medio
- 1 d 45 min
- PR fusionados (30 d)
- 8
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
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 JuliaAI/MLJTransforms.jl
-
Add a `Transformer` wrapper for models that supervised that transformQuizá libre de nuevo @ablaom la tomó hace 233 días y no hay ningún pull request abierto. Abiertoenhancement
JuliaAI/MLJTransforms.jl#52 · 3 comentarios · 1 asignado ·
Los mantenedores suelen responder en 1 día
-
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
JuliaAI/MLJTransforms.jl#39 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Checklist for first releaseAbierto
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
JuliaAI/MLJTransforms.jl#21 · 13 comentarios ·
Los mantenedores suelen responder en 1 día
-
`asinh` transformationAbiertoenhancement
Dificultad 4/5 3-5 días Aptitud para principiantes 38/100
JuliaAI/MLJTransforms.jl#46 · 7 comentarios ·
Los mantenedores suelen responder en 1 día
-
enhancement
Dificultad 3/5 1-2 días Aptitud para principiantes 48/100
JuliaAI/MLJTransforms.jl#44 · 2 comentarios ·
Los mantenedores suelen responder en 1 día
Todos los issues de JuliaAI/MLJTransforms.jl
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 79/100
Sienna-Platform/PowerSimulations.jl#1737 ·
Los mantenedores suelen responder en 4 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
FluxML/Optimisers.jl#254 ·
-
Minor: floodplain warning percentage, scalar output error message and a never-true identity checkAbiertobug
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Los mantenedores suelen responder en 1 día
-
@contents blocks fail to render on Julia 1.14Posiblemente ocupada @sbfnk la tomó hace 1 día. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
LuxDL/DocumenterVitepress.jl#410 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 1 día