sassoftware / sassoftware/python-sasctl

Scoring code for H2O (binary) contains errors

Abierto
#189 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

bug
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:

  1. The model load statement is model=h2o.load(). The load() method is not defined for h2o it should be load_model
  2. The model path within model=h2o.load() statement is wrong. The model pickle file name should be placed into quotation marks
  3. 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

Abrir la guía de contribución

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. 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

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.