microsoft/SynapseML

Featurizer should provide option to pass through missing values as Double.NaN instead of removing rows (currently the default)

Open

#304 ouverte le 18 mai 2018

Voir sur GitHub
 (5 commentaires) (0 réactions) (1 assigné)Scala (861 forks)batch import
enhancementgood first issuehelp wanted

Métriques du dépôt

Stars
 (5 228 stars)
Métriques de merge PR
 (Merge moyen 23h 16m) (2 PRs mergées en 30 j)

Description

Hi! Using lightGBM I faced another problem. I'm not sure if it is bug or feature :) but in our data we have a lot of empty values, so before we used sparse vector to store features, and it worked fine with our previous lib. But when i tried to use featurizer, that you provide - i mentioned, that you skip all raws if any nulls are presents as a feature. you can see it in example in attachment. So is it possible to have sparse feature vector for lightGBM training?

https://gist.github.com/ekaterina-sereda-rf/929183b9bcbbf5baf15eec3e81329992

Guide contributeur

Direction de recherche
Examinez l'implémentation de Featurizer dans la base de code de SynapseML, probablement sous src/main/scala. Le comportement actuel supprime les lignes avec des caractéristiques nulles ; le problème demande une option pour conserver les valeurs manquantes sous forme de Double.NaN. Recherchez la classe ou l'objet Featurizer et identifiez où se trouve la logique de gestion des valeurs nulles. La modification implique l'ajout d'un paramètre de configuration (par exemple setHandleMissing) et la modification de la logique de transformation pour soit supprimer les lignes, soit transmettre NaN. Étant donné que le problème a un assigné et est ancien, il est conseillé de vérifier s'il existe des PR connexes ou si les mainteneurs ont fourni des conseils dans les commentaires.
Stack technique
scala
Domaine
datamachine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
3
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Une demi journée
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
ScalaApache Spark
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
40