Scikit-learn: [0.23.1] doctest GradientBoostingClassifier falha em processadores arm (rhel)

Criado em 1 jul. 2020  ·  3Comentários  ·  Fonte: scikit-learn/scikit-learn

Descreva o bug

Em processadores arm (AWS: gravition2, rhel), recebo a seguinte falha na versão 0.23.1

1038     >>> from sklearn.model_selection import train_test_split
1039     >>> X, y = make_classification(random_state=0)
1040     >>> X_train, X_test, y_train, y_test = train_test_split(
1041     ...     X, y, random_state=0)
1042     >>> clf = GradientBoostingClassifier(random_state=0)
1043     >>> clf.fit(X_train, y_train)
1044     GradientBoostingClassifier(random_state=0)
1045     >>> clf.predict(X_test[:2])
1046     array([1, 0])
1047     >>> clf.score(X_test, y_test)
Expected:
    0.88
Got:
    0.84

Etapas / código para reproduzir

pytest -v sklearn/ensemble/_gb.py::sklearn.ensemble._gb.GradientBoostingClassifier

resultados esperados

PASSED é lançado.

Resultados reais

FAILED é lançado.

1047     >>> clf.score(X_test, y_test)
Expected:
    0.88
Got:
    0.84

Versões

System:
    python: 3.6.8 (default, Dec  5 2019, 16:02:25)  [GCC 8.3.1 20191121 (Red Hat 8.3.1-5)]
executable: /usr/bin/python3
   machine: Linux-4.18.0-193.1.2.el8_2.aarch64-aarch64-with-redhat-8.2-Ootpa

Python dependencies:
          pip: 20.1.1
   setuptools: 39.2.0
      sklearn: 0.23.1
        numpy: 1.14.3
        scipy: 1.0.0
       Cython: 0.29
       pandas: 1.0.5
   matplotlib: 3.2.1
       joblib: 0.14.0
threadpoolctl: 2.1.0

Built with OpenMP: True
Linux-4.18.0-193.1.2.el8_2.aarch64-aarch64-with-redhat-8.2-Ootpa
Traceback (most recent call last):
  File "<string>", line 3, in <module>
NameError: name 'Python' is not defined
Bug arm help wanted ensemble

Todos 3 comentários

Obrigado pelo relatório @ murata-yu, posso reproduzir em https://github.com/scikit-learn/scikit-learn/pull/17996

Ainda não temos certeza se é uma indicação de um problema real, devemos apenas aumentar a tolerância.

Do ponto de vista do usuário, 4% de mudança na precisão na faixa de 0,8 parece mais do que uma pequena discrepância de arredondamento numérico. Vale a pena investigar.

Posso reproduzir o problema localmente criando scikit-learn em um ambiente de miniforge arm64 no contêiner docker / qemu conforme descrito em https://github.com/scikit-learn/scikit-learn/pull/17644#issuecomment -663857435.

Esta página foi útil?
0 / 5 - 0 avaliações