sassoftware / sassoftware/python-sasctl

Guessing correctly the EM_EVENTPROBABILITY in scoring code

Đang mở
#172 0 bình luận 0 reaction 0 người được giao Xem trên GitHub

Chưa có ai nhận issue này.

enhancement
Ngôn ngữ chính
Python
Star
52
Fork
45
Merge trung bình
23 giờ 38 phút
Pull request đã merge (30 ngày)
2

Mô tả

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.

Hướng dẫn đóng góp

Mở hướng dẫn đóng góp

Bắt đầu từ đâu

  1. Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
  2. Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
  3. Fork repository và làm thay đổi trên một nhánh.
  4. Mở pull request có tham chiếu số hiệu của issue.

Hướng nghiên cứu

Bắt đầu tại pzmm.ImportModel.import_model và kiểm tra cách SKmodel.predict_proba(...) được ánh xạ tới EM_EVENTPROBABILITY. So sánh các cột xác suất với SKmodel.classes_, sau đó xác định cách một giá trị targetevent có thể chọn lớp phù hợp cho bài toán phân loại nhị phân và đa thức mà không ảnh hưởng đến hành vi hồi quy. Xác minh hành vi đạt được bằng các bài kiểm thử liên quan của dự án.

Do mô hình lập chỉ mục viết ra từ nội dung của issue.

Đánh giá

Công nghệ
python
Lĩnh vực
machine-learning
Loại issue
Lỗi
Độ khó
4/5
Thời gian dự kiến
3-5 ngày
Mức độ hoạt động
Đình trệ
Độ rõ ràng
Khá rõ ràng
Mức phù hợp với người mới
42/100

Nhận issue mới trong hộp thư của bạn

Bản tóm tắt ngắn những issue GitHub phù hợp với người mới.