UnivariateTimeTypeToContinuous returns negative / wrong values for Time data when min_dt + step wraps past midnight
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 78/100
- Tipo di issue
- Bug
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Attiva
- Ambito
- data
Direzione di ricerca
Inizia da src/transformers/other_transformers/univariate_time_type_to_continuous.jl, dove l’issue indica il calcolo della lunghezza del passo e il ramo che gestisce il passaggio alla mezzanotte. Riproduci il problema con Time(13), Time(14) e Time(19) usando il passo predefinito, Hour(13) e Hour(36), quindi esamina i test esistenti per questo trasformatore. Il lavoro è terminato quando ogni trasformazione restituisce i valori non negativi attesi, scalati in base al proprio passo.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
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.
- Lingua principale
- Julia
- Stelle
- 1
- Fork
- 5
- Merge medio
- 1g 45m
- PR unite (30g)
- 8
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di JuliaAI/MLJTransforms.jl
-
Add a `Transformer` wrapper for models that supervised that transformForse di nuovo libera @ablaom l’ha presa 233 giorni fa e non c’è nessuna pull request aperta. Apertaenhancement
JuliaAI/MLJTransforms.jl#52 · 3 commenti · 1 assegnatario ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
JuliaAI/MLJTransforms.jl#39 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Checklist for first releaseAperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
JuliaAI/MLJTransforms.jl#21 · 13 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
`asinh` transformationApertaenhancement
Difficoltà 4/5 3-5 giorni Idoneità per principianti 38/100
JuliaAI/MLJTransforms.jl#46 · 7 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement
Difficoltà 3/5 1-2 giorni Idoneità per principianti 48/100
JuliaAI/MLJTransforms.jl#44 · 2 commenti ·
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di JuliaAI/MLJTransforms.jl
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 79/100
Sienna-Platform/PowerSimulations.jl#1737 ·
I maintainer di solito rispondono entro 4 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
FluxML/Optimisers.jl#254 ·
-
Minor: floodplain warning percentage, scalar output error message and a never-true identity checkApertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
I maintainer di solito rispondono entro 1 giorno
-
@contents blocks fail to render on Julia 1.14Forse già presa @sbfnk l’ha presa 1 giorno fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
LuxDL/DocumenterVitepress.jl#410 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno