[Parity #478] Prove estimator hyperparameter, stopping-rule and work-budget equivalence in every performance row

Aperta
#501 1 commento 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
35/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Attiva
Stack tecnologico
python, scikit-learn
Ambito
machine-learning, performance, testing

Direzione di ricerca

Inizia dalla issue padre #478 e traccia come vengono generate le righe di prestazioni canoniche/operative. Individua dove vengono registrate le configurazioni di sklearn e Flow, i valori predefiniti e la diagnostica del lavoro effettivo, quindi esamina la documentazione dei benchmark e i controlli di rigenerazione dei contratti. Il lavoro è completato quando le righe espongono le impostazioni risolte e la diagnostica, i budget non corrispondenti vengono esclusi e le modifiche ai valori predefiniti vengono segnalate.

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

Descrizione

Parent: #478.

A performance comparison is invalid if Flow and sklearn silently perform different configured work. Extend the parity contract to record and compare every performance-relevant setting: solver/algorithm, regularization, tolerance, max_iter, n_init, n_estimators, max_depth, feature subsampling, bootstrap, kernel/gamma, random seed, convergence/stopping rule and effective iteration/tree/support-vector counts.

Defaults must be materialized rather than assumed, because sklearn defaults can change by version.

Acceptance: each canonical/operation row contains resolved sklearn and Flow config plus effective-work diagnostics; mismatched work budgets are not performance-eligible; version changes that alter sklearn defaults fail/flag contract regeneration; benchmark docs expose deliberate semantic differences rather than hiding them.

Lingua principale
Python
Stelle
2
Fork
0
Merge medio
4h 33m
PR unite (30g)
9

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

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 godofecht/flow-scikit

Tutte le issue di godofecht/flow-scikit

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.