sassoftware / sassoftware/python-sasctl

Scoring code for H2O (binary) contains errors

Ouverte
#189 0 commentaires 0 réactions 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

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

Description

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

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 examples/pzmm_h2o_model_import.ipynb et reproduisez l’importation binaire H2O, puis examinez le code Score généré et son attribut de code Score dans Model Manager. C’est terminé lorsque l’attribut est défini automatiquement et que le code généré utilise h2o.load_model, met le chemin du pickle du modèle entre guillemets et convertit les valeurs de prédiction en float avant la comparaison.

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
35/100

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.