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

multilabel_metrics_fn crashes when a thresholded metric comes after "ddi" in the metrics list

Chiusa
  • Qualcosa non va?
#1,242 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 3 giorni

@Om-singhaI ci sta già lavorando.

Dal 22/9/2026.

  • #1243 di @Om-singhaI — aperta

Valutazione

Difficoltà
2/5
Tempo stimato
1-3 ore
Idoneità per principianti
25/100
Tipo di issue
Bug
Chiarezza
Specificata chiaramente
Stato di attività
Ferma
Stack tecnologico
numpy, python, scikit-learn
Ambito
machine-learning

Direzione di ricerca

Start with multilabel_metrics_fn in pyhealth.metrics.multilabel, especially the ddi branch and the metrics loop; the report includes a reproduction script and expected results. Check the existing tests for this function, then verify that reversing metric order produces the same scores and that the documented threshold default and example output match the function. A pull request is already open for this issue.

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

Descrizione

Where "ddi" sits in the metrics list changes whether multilabel_metrics_fn returns at all. If a metric that reads the thresholded predictions comes after it, the call raises instead of returning scores.

This lands on drug recommendation, where the DDI rate is the headline safety number, so listing it first is the natural way to write the call. Trainer hands the list to the metrics function untouched, so Trainer(metrics=["ddi", "jaccard_samples", "f1_samples"]) fails inside evaluate(). The function's own docstring lists the accepted names with ddi ahead of hamming_loss, and that order fails too.

Steps to reproduce

On b96c3f5, with python 3.13.15, scikit-learn 1.7.2 and numpy 2.2.6:

import os
import tempfile
from unittest.mock import patch

import numpy as np

from pyhealth.metrics import multilabel_metrics_fn

y_true = np.array([[1, 0, 1], [0, 1, 1], [1, 1, 0], [0, 0, 1]])
y_prob = np.array(
    [[0.9, 0.4, 0.8], [0.2, 0.7, 0.6], [0.8, 0.9, 0.1], [0.1, 0.2, 0.7]]
)

tmp = tempfile.mkdtemp()
np.save(
    os.path.join(tmp, "ddi_adj.npy"),
    np.array([[0, 1, 0], [1, 0, 0], [0, 0, 0]], dtype=float),
)

with patch("pyhealth.metrics.multilabel.CACHE_PATH", tmp):
    print(multilabel_metrics_fn(y_true, y_prob, metrics=["jaccard_samples", "ddi"]))
    print(multilabel_metrics_fn(y_true, y_prob, metrics=["ddi", "jaccard_samples"]))
What I get
{'jaccard_samples': 0.9166666666666666, 'ddi_score': 0.4}
ValueError: Classification metrics can't handle a mix of multilabel-indicator and unknown targets
What I expected

Both lines print the same numbers, ddi_score 0.4 and jaccard_samples 0.9166666666666666. The position of a metric in the list should not change the result.

Notes

The "ddi" branch turns the thresholded y_pred matrix into a list of label indices and assigns it back to y_pred, so the next metric in the loop is handed a ragged list. f1_*, precision_*, recall_*, jaccard_* and hamming_loss all raise the ValueError above. accuracy raises AttributeError: 'list' object has no attribute 'flatten'. Metrics that read y_prob only still work, so metrics=["ddi", "pr_auc_samples"] returns {'ddi_score': 0.4, 'pr_auc_samples': 1.0}.

The error text names neither ddi nor y_pred, so there's nothing in it that points at the list order.

Two smaller docstring mistakes in the same function: the signature is threshold: float = 0.3 while the Args block says Default is 0.5, and the Examples block shows {'accuracy': 0.5} where the function returns {'accuracy': 0.6666666666666666}.

I have a fix and can open a PR.

Lingua principale
Python
Stelle
1.7k
Fork
803
Merge medio
5g 16h
PR unite (30g)
58

Preparare l'ambiente

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 sunlabuiuc/PyHealth

Tutte le issue di sunlabuiuc/PyHealth

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.