sassoftware / sassoftware/python-sasctl
Scoring code function structure generates an error for LGBoost and XGBoost packages
Personne n'a encore pris cette issue.
- Langage dominant
- Python
- Étoiles
- 52
- Forks
- 45
- Merge moyen
- 23 h 38 min
- PR mergées (30 j)
- 2
Description
Issue description
In the attached screen there is an extract from scoring code generated by sasctl for Python models when imported into SAS Model Manager.
The key part is an option: dtype=object which is probably fine for sci-kit learn based models but it causes the errors for LGBoost and XGBoost models.
When any of these package is used to build and import the model into SAS Model Manager the scoring test will fail due to PyMas execute function error: DS2 "pymas" package encountered a failure in the 'execute' method
ScoringTest.log
In CAS log You can find the root cause for that error:
Extract sas-cas-server.log
The object data type is not supported by such popular Python models. I had to manually remove dtype=object , which means the data type will be inferred. And then the Test Score works fine.
I hope the intention of sasctl package is support Python developed models, not only sci-kit learn based ones?
Version
1.10.1
Guide de contribution
Ouvrir le guide de contribution
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Piste de recherche
Aucun fichier source ni aucun test n’est indiqué. Commencez par localiser le point d’entrée de génération du code de scoring qui émet dtype=object, puis reproduisez le test de scoring avec LightGBM ou XGBoost en utilisant les logs joints pour comparaison ; c’est terminé lorsque le code généré s’exécute correctement sans l’option dtype non prise en charge.
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
- 3/5
- Temps estimé
- 1-2 jours
- Activité
- À l'abandon
- Clarté
- Plutôt claire
- Accessibilité débutants
- 42/100