DoubleML / DoubleML/DML-Hyperparameter-Tuning-Replication

wrong paths in plots_and_figures.ipynb

Ouverte Adaptée aux débutants
#1 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Langage dominant
Jupyter Notebook
Étoiles
3
Forks
0
Métriques de merge des PR
Aucune PR mergée en 30 j

Description

The reading of data in section Load Results in evaluation/plots_and_figures.ipynb contain incorrect paths. The following seems to work instead:

oracle_df = pd.read_csv("results/acic/oracle.csv", delimiter=";")
#oracle_df = pd.read_csv("simulations/results/oracle.csv", delimiter=";")
 
paths = {
                    #"Lasso": f"simulations/results/acic_v2/{model}/LassoCV/Scenario{sc+1}_LassoCV_{scheme}.csv",
                    #"Random Forest":  f"simulations/results/acic_v2/{model}/RandomForest/Scenario{sc+1}_{scheme}.csv",
                    #"XGBoost": f"simulations/results/acic_v2/{model}/XGBoost/Scenario{sc+1}_{scheme}.csv",
                    #"FLAML": f"simulations/results/acic_v2/{model}/Scenario{sc+1}/60_{scheme}.csv",
                    #"LinearModels": f"simulations/results/acic_v2/{model}/LinearModels/Scenario{sc+1}_LinearModels_{scheme}.csv",
                    "Lasso": f"results/acic/{model}/LassoCV/Scenario{sc+1}_LassoCV_{scheme}.csv",
                    "Random Forest":  f"results/acic/{model}/RandomForest/Scenario{sc+1}_{scheme}.csv",
                    "XGBoost": f"results/acic/{model}/XGBoost/Scenario{sc+1}_{scheme}.csv",
                    "FLAML": f"results/acic/{model}/Scenario{sc+1}/60_{scheme}.csv",
                    "LinearModels": f"results/acic/{model}/LinearModels/Scenario{sc+1}_LinearModels_{scheme}.csv",
                        }

Guide de contribution

Aucun guide de contribution indexé pour ce dépôt

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Piste de recherche

Ouvrez evaluation/plots_and_figures.ipynb et accédez à la section Load Results. Vérifiez les chemins de données utilisés pour les fichiers de résultats de oracle et model par rapport aux chemins fonctionnels results/acic/... indiqués dans l’issue. Exécutez le notebook jusqu’aux étapes de génération des graphiques et confirmez qu’il charge les données sans erreurs de chemin.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Évaluation

Stack technique
jupyter-notebook, pandas, python
Domaine
data-visualization
Type d'issue
Bug
Difficulté
1/5
Temps estimé
1-3 heures
Activité
À l'abandon
Clarté
Clairement spécifiée
Accessibilité débutants
65/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.