Dalam PR ini , kami mengubah parameter init untuk ENC agar lulus tes bentuk (test_shap) dalam file test_algoritthms.py
. Membiarkan params init sebagai alpha = 0.0001
dan l1_ratio=0.15
menyebabkan ZeroDivisionError
saat menghitung shap, yang kemungkinan terkait dengan this .
Mengajukan masalah ini untuk menentukan mengapa pengujian gagal dan mencari cara yang baik untuk menghindari kesalahan ini.
Saya pikir ini adalah masalah bentuk. Saya mengajukan https://github.com/slundberg/shap/issues/2000 untuk diskusi. Dalam jangka pendek, saya pikir kita bisa melakukan hal berikut:
KernelExplainer
untuk model linierexplainer = shap.LinearExplainer(classifier, X, link=shap.links.logit)
Tes lebih lanjut yang gagal:
Di main, menggunakan alpha=0.5, l1_ratio=0.5
, yang kita miliki sebelum this , jika kita menambahkan tes ini ke evalml/tests/model_understanding_tests/prediction_explaination_tests/test_explainers.py
:
@pytest.mark.parametrize("estimator", ["Extra Trees Classifier", "Elastic Net Classifier"])
def test_elastic_net(estimator, fraud_100):
pytest.importorskip('imblearn', reason='Skipping test because imblearn not installed')
X, y = fraud_100
pipeline = BinaryClassificationPipeline(component_graph=["Imputer", "One Hot Encoder", "DateTime Featurization Component", estimator])
pipeline.fit(X=X, y=y)
pipeline.predict(X)
importance = explain_predictions(pipeline, X, y, indices_to_explain=[0], top_k_features=4)
assert report['feature_names'].isnull().sum() == 0
assert report['feature_values'].isnull().sum() == 0
Tes gagal:
Jika kita mengubah alpha dan l1_ratio, masih gagal.
Oke @bchen1116 , lakukanlah.
Ditutup dengan PR ini