Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Evaluation suite - output

Aperta
#36 1 commento 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
30/100
Tipo di issue
Funzionalità
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
pandas, python
Ambito
analytics, data

Direzione di ricerca

Non sono indicati file, test o punti di ingresso dell’implementazione. Inizia esaminando il processo di valutazione e il contesto collegato di Evaluation Metrics Task Force, quindi individua dove vengono calcolate le metriche di riferimento/output; il lavoro è completato quando i report grezzi e di popolazione sono disponibili come data frame pandas e possono essere salvati nei formati CSV, XLSX e HTML.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Context
Following the evaluation process on a set of references / output pairs, an aggregated report should be produced

Describe the solution you'd like
2 separate aggregations should be proposed:

  • Raw aggregation - All the calculated metrics for each reference/output pair should be made available
  • Population aggregation - Core statistics of the metrics over the population of reference/output pair should be produced including
    • central tendency and variation
    • indication of range
    • indication of cases at 5, 25, 50, 75, 95 percentile of performance for each metric
  • The reports should be made available as pandas data frame with the option to save in a specified format (csv, xlsx, html)

Additional context
https://github.com/Project-MONAI/MONAI/wiki/Evaluation-metrics-task-force
@jenspetersen
@danieltudosiu
@AReinke

Lingua principale
Python
Stelle
104
Fork
18
Nessuna PR unita negli ultimi 30g

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di Project-MONAI/MetricsReloaded

Tutte le issue di Project-MONAI/MetricsReloaded

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.