[BUG] create_task() hardcodes task_type="None" instead of inferring type string from TaskType
I maintainer di solito rispondono entro 2 giorni
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 80/100
Direzione di ricerca
Inizia in openml/tasks/functions.py, in create_task() intorno alla riga 575, poi leggi come i valori di TaskType vengono mappati ai nomi canonici. Controlla il confronto del tipo di task in tests/test_runs/test_run.py intorno alla riga 290 e aggiungi o aggiorna un test di regressione. Il lavoro è completo quando un task creato localmente espone la stringa canonica prevista per il tipo di task invece di "None".
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Description
When creating an OpenML task locally using openml.tasks.create_task(), the task object is initialized with task_type="None".
In openml/tasks/functions.py:575, the function hardcodes this placeholder string literal:
return task_cls(
task_id=None,
task_type_id=task_type,
task_type="None", # TODO: refactor to get task type string from ID.
data_set_id=dataset_id,
target_name=target_name,
estimation_procedure_id=estimation_procedure_id,
evaluation_measure=evaluation_measure,
**kwargs,
)
Because of this, task.task_type is literally the string "None" rather than the canonical task type name (e.g., "Supervised Classification", "Supervised Regression", "Clustering", "Learning Curve").
This causes:
Equality checks like if task.task_type == "Supervised Classification" (used in client code and in tests/test_runs/test_run.py:290) to evaluate to False.
Error messages and representations to display Task type 'None' (such as in openml/tasks/task.py:315).
Steps/Code to Reproduce
python
import openml
from openml.tasks import TaskType, create_task
task = create_task(
TaskType.SUPERVISED_CLASSIFICATION,
dataset_id=1,
target_name="class",
estimation_procedure_id=1,
)
print("task.task_type:", repr(task.task_type))
print("Is Supervised Classification?", task.task_type == "Supervised Classification")
Expected Results
task.task_type should be "Supervised Classification", and task.task_type == "Supervised Classification" should evaluate to True.
Actual Results
task.task_type: 'None'
Is Supervised Classification? False
Versions
OpenML: 0.16.0
Python: 3.10+
OS: Windows / Linux / macOS
- Lingua principale
- Python
- Stelle
- 366
- Fork
- 306
- Merge medio
- 2g 9h
- PR unite (30g)
- 4
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Leggi la guida per i contributori
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 openml/openml-python
-
Enhancement: Add missing **kwargs support to list_setups and list_evaluationsForse già presa @shellyco-code l’ha presa 11 giorni fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
openml/openml-python#1753 · 1 commento ·
I maintainer di solito rispondono entro 2 giorni
-
[ENH] list_estimation_procedures() should include the procedure IDsForse già presa @Jayant-kernel l’ha presa 15 giorni fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
openml/openml-python#1750 · 3 commenti · 1 assegnatario ·
I maintainer di solito rispondono entro 2 giorni
-
[DOC] Update documentation for running tests with local servicesForse già presa @nishtha-agarwal-211 l’ha presa 214 giorni fa. ApertaDocumentation Good First Issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
openml/openml-python#1708 · 8 commenti ·
I maintainer di solito rispondono entro 2 giorni
-
[MNT] Add Missing Assertions to Run Function TestsForse già presa @Akarshkushwaha l’ha presa 233 giorni fa. ApertaGood First Issue module:Run testing
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
openml/openml-python#1646 · 9 commenti · 3 reazioni ·
I maintainer di solito rispondono entro 2 giorni
-
[MNT] Complete Test for Sparse Dataset Row ID and Ignore Attributes InclusionForse già presa @omkar-334 l’ha presa 233 giorni fa. ApertaGood First Issue module:Data testing
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
openml/openml-python#1644 · 4 commenti ·
I maintainer di solito rispondono entro 2 giorni
Tutte le issue di openml/openml-python
Issue simili
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
awslabs/visual-asset-management-system#414 ·
I maintainer di solito rispondono entro 1 giorno
-
bug v1 v2
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
modelcontextprotocol/python-sdk#3670 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
aicell-lab/bioengine#232 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
modelscope/evalscope#1836 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100