sassoftware / sassoftware/python-sasctl

Guessing correctly the EM_EVENTPROBABILITY in scoring code

Ouverte
#172 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

enhancement
Langage dominant
Python
Étoiles
52
Forks
45
Merge moyen
23 h 38 min
PR mergées (30 j)
2

Description

When using pzmm.ImportModel.import_model for wirting scoring code for binary/multinomial classification it assumes from result = SKmodel.predict_proba(...) that the result[0] is the target variable probability and assigns it to EM_EVENTPROBABILITY, which may be incorrect, the levels probability may be in a distinct column.

At least for classification models, you can get the probability class labels and orders from SKmodel.classes_. If the user adds something like targetevent = "label", we could use it to assign the correct column of probability to EM_EVENTPROBABILITY.

It is likely that this only works for classification, and should not be confused when the model is a regression.

Guide de contribution

Ouvrir le guide de contribution

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

Commencez par pzmm.ImportModel.import_model et examinez comment SKmodel.predict_proba(...) est mappé vers EM_EVENTPROBABILITY. Comparez les colonnes de probabilités avec SKmodel.classes_, puis déterminez comment une valeur de targetevent pourrait sélectionner la classe correcte pour la classification binaire et multinomiale sans affecter le comportement de la régression. Vérifiez le comportement obtenu avec les tests pertinents du projet.

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

Évaluation

Stack technique
python
Domaine
machine-learning
Type d'issue
Bug
Difficulté
4/5
Temps estimé
3-5 jours
Activité
À l'abandon
Clarté
Plutôt claire
Accessibilité débutants
42/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.