Evalml: Erreurs PipelineBase sans estimateur
Actuellement, nous vérifions uniquement que s'il existe un estimateur, il s'agit de la dernière composante.
Cependant, le pipeline se rompt lors de l'ajustement sur la ligne suivante sans estimateur :
self.input_feature_names.update({self.estimator.name: list(pd.DataFrame(X_t))})
Nous devons soit imposer que tous les pipelines doivent avoir un estimateur, soit corriger _fit pour permettre ce cas.
jeremyliweishih
Tous les 2 commentaires
J'ai déposé le numéro 273 pour suivre la discussion du plan à long terme autour de cela (c'est-à-dire, voulons-nous prendre en charge les pipelines avec plus d'un estimateur? etc.).
Ma suggestion : nous continuons la discussion là-bas, mais en attendant, nous résolvons ce ticket en faisant sortir l'erreur PipelineBase::__init__ si un estimateur n'est pas spécifié comme composant final. Cela vous semble-t-il raisonnable ?
Tagging @angela97lin @jeremyliweishih parce que nous venons juste d'en discuter en mou :)
dsherry
le 11 déc. 2019
cela semble être une solution raisonnable pour l'instant jusqu'à ce que nous ayons le plan à long terme
kmax12
le 11 déc. 2019
Questions connexes
dsherry
·
3Commentaires
angela97lin
·
5Commentaires
dsherry
·
3Commentaires
dsherry
·
5Commentaires
dsherry
·
4Commentaires