alteryx/evalml

Data Health: Sparsity Refactor

开放

#1,801 创建于 2021年2月9日

在 GitHub 查看贡献者指南
 (2 条评论) (1 个反应) (1 位负责人)Python (93 个派生)auto 404
enhancementgood first issue

仓库指标

星标
 (852 个星标)
PR 合并指标
 (PR 指标待抓取)

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.

贡献者指南

研究方向
了解当前使用离散计数阈值的 sparsity score 实现。然后修改它，使其接受一个 relative count threshold 参数，该参数是列长度的一部分，并相应地调整逻辑。
技术栈
python
领域
machine learningdata
议题类型
重构
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
2
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
1-3 小时
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
活跃
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
PythonBasic statistics
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
70