alteryx/evalml

Data Health: Sparsity Refactor

開放

#1,801 建立於 2021年2月9日

在 GitHub 查看貢獻者指南
 (2 則留言) (1 個反應) (1 位負責人)Python (93 個分叉)auto 404
enhancementgood first issue

倉庫指標

星標
 (852 顆星)
PR 合併指標
 (PR 指標待抓取)

描述

Currently, the sparsity score is calculated using a discrete count of values as a threshold. It might make more sense to refactor the SparsityDataCheck to use a relative threshold instead of a fixed count threshold.

SparsityDataCheck.sparsity_score(col, relative_count_threshold=0.10):
    <implementation>

Here the new relative_count_threshold should be a percentage of the total length of the column.

貢獻者指南

研究方向
了解當前使用離散計數閾值的 sparsity score 實現。然後修改它，使其接受一個 relative count threshold 參數，該參數是列長度的一部分，並相應地調整邏輯。
技術棧
python
領域
machine learningdata
議題類型
重構
難度面向新貢獻者的預計實作難度，1 表示很小改動，5 表示專家級工作。
2
預計時間有經驗貢獻者完成調查、實作、測試並準備 pull request 的粗略時間範圍。
1-3 小時
活動狀態議題目前的可參與程度：新鮮、活躍、陳舊、阻塞或等待維護者輸入。
活躍
清晰度議題是否清楚說明預期改動、驗收標準和下一步。
清晰
前置要求
PythonBasic statistics
新手友善度1-100 的估計分數，表示該議題對首次貢獻者的友善程度。
70