sassoftware / sassoftware/python-sasctl
Scoring code for H2O (binary) contains errors
Nessuno ha ancora preso questa issue.
- Lingua principale
- Python
- Stelle
- 52
- Fork
- 45
- Merge medio
- 23h 38m
- PR unite (30g)
- 2
Descrizione
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
Guida per i contributori
Apri la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Direzione di ricerca
Inizia con examples/pzmm_h2o_model_import.ipynb e riproduci l'importazione binaria di H2O, quindi esamina il codice Score generato e il relativo attributo del codice Score in Model Manager. L'attività è completata quando l'attributo viene impostato automaticamente e il codice generato utilizza h2o.load_model, racchiude tra virgolette il percorso del pickle del modello e converte i valori di predizione in float prima del confronto.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Valutazione
- Stack tecnologico
- python
- Ambito
- machine-learning
- Tipo di issue
- Bug
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Stato di attività
- Ferma
- Chiarezza
- Abbastanza chiara
- Idoneità per principianti
- 35/100