sassoftware / sassoftware/python-sasctl
Scoring code for H2O (binary) contains errors
Nadie ha tomado este issue todavía.
- Lenguaje dominante
- Python
- Estrellas
- 52
- Forks
- 45
- Merge medio
- 23 h 38 min
- PR fusionados (30 d)
- 2
Descripción
I have built the H2O model based on the example:
https://github.com/sassoftware/python-sasctl/blob/master/examples/pzmm_h2o_model_import.ipynb
Then imported into Model Manager
There is one minor issue at this stage, when any Python developed model is imported with pzmm, in Model Manager the Score code file doesn't have the Score code attribute set. It has to be set manually which causes problems when CI/CD approach is considered
Let's continue with H2O model issue.
When H2O model is imported as the Binary one the Score code function contains several errors:
- The model load statement is model=h2o.load(). The load() method is not defined for h2o it should be load_model
- The model path within model=h2o.load() statement is wrong. The model pickle file name should be placed into quotation marks
- There are a few places with prediction variable comparison e.g. prediction[1][2] > 0.5. Prediction is defined as STR therefore it will generate an error. it should be casted into float using float()
Version
1.10.1
Guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Línea de trabajo
Comienza con examples/pzmm_h2o_model_import.ipynb y reproduce la importación binaria de H2O. Después, inspecciona el código Score generado y su atributo de código Score en Model Manager. Se considera completado cuando el atributo se establece automáticamente y el código generado utiliza h2o.load_model, incluye entre comillas la ruta del pickle del modelo y convierte los valores de predicción a float antes de la comparación.
Escrito por el modelo de indexación a partir del texto del issue.
Evaluación
- Stack tecnológico
- python
- Área
- machine-learning
- Tipo de issue
- Error
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Estado de actividad
- Estancado
- Claridad
- Bastante claro
- Aptitud para principiantes
- 35/100