Include information about model performance in easier to access format
まだ誰も着手していません。
評価
- 難易度
- 5/5
- 見積もり時間
- 1週間以上
- 初心者へのやさしさ
- 35/100
- issue の種類
- 機能追加
- 明瞭さ
- 説明が足りない
- 活発さ
- 停滞
- 技術スタック
- python
- 領域
- data, machine-learning
調査の方向性
Start by examining the existing data components and the general to_df() output to understand which forecast, observed, detrended, holiday, country, and date values are already available. Compare that structure with the proposed performance_df() option and the listed analysis questions. Done means a consistent DataFrame format exposes the requested absolute and relative comparisons, with its intended scope distinguished from Prophet's performance_metrics.
索引モデルが issue の本文から書いたものです。
説明
I think this is something that can be calculated from existing data components, but might not currently be packaged up in one consistent format.
Here were some of the analysis questions I encountered that I could not immediately figure out how to address with the current data structure:
- Was the effect of X holiday larger or smaller this year than prior year(s)? By how much? (In absolute count and in relative percent)
- When comparing trends (i.e. across multiple dates), is the gap between forecast and observed growing, shrinking, or staying level?
- E.g., if a model underestimated holiday impact, do the trends re-converge in the following days or does that gap persist as a step-change?
- Within each country/population, how far off was the forecast value from the observed value on a given date? (In absolute count and relative percent)
- What exactly was the impact of holiday(s) on the forecast value for a given date? (In absolute count and relative percent)
- This may just be the difference between the
detrendedforecast and the final forecast.
- This may just be the difference between the
- What was the estimated impact of holiday(s) on a historical observed value for a given date? (In absolute count and relative percent)
- This may just be the difference between the
detrendedamount and the observed amount.
- This may just be the difference between the
Ideally, this could be included in a simple DataFrame -- either as additional columns in the same general DataFrame output from the general to_df() function, or maybe as a separate dedicated function for performance_df().
(Also acknowledging that this might be different than some other object that stores overall measures of model performance -- things that might come out of Prophet's performance_metrics).
- 主要言語
- Python
- スター
- 3
- フォーク
- 3
- PR マージ指標
- 30日以内にマージされた PR はありません
環境構築
このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
mozilla/mozaic-forecasting のほかの issue
-
難易度 5/5 1週間以上 初心者へのやさしさ 30/100
-
難易度 4/5 3〜5日 初心者へのやさしさ 35/100
-
難易度 5/5 1週間以上 初心者へのやさしさ 30/100
-
難易度 2/5 1〜3時間 初心者へのやさしさ 45/100
mozilla/mozaic-forecasting の issue をすべて見る
似ている issue
-
link-rot
難易度 1/5 1時間未満 初心者へのやさしさ 67/100
-
難易度 2/5 1〜3時間 初心者へのやさしさ 82/100
developmentseed/titiler-cmr#265 ·
メンテナーはふだん 1 日以内に返信
-
bug
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
メンテナーはふだん 1 日以内に返信
-
Insecure Brotli version <1.2.1対応中かも @jamescw19 が今日担当しました。 オープン
難易度 1/5 1時間未満 初心者へのやさしさ 85/100
stac-utils/stac-fastapi-pgstac#438 · リアクション 1 件 ·
-
bug triage
難易度 2/5 1〜3時間 初心者へのやさしさ 66/100
メンテナーはふだん 1 日以内に返信