Scikit-learn: [0.23.1] doctest GradientBoostingClassifier терпит неудачу на процессорах arm (rhel)

Созданный на 1 июл. 2020  ·  3Комментарии  ·  Источник: scikit-learn/scikit-learn

Опишите ошибку

На процессорах arm (AWS: gravition2, rhel) я получаю следующий сбой в версии 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

Шаги / код для воспроизведения

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

Ожидаемые результаты

PASSED выбрасывается.

Фактические результаты

FAILED выбрасывается.

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

Версии

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

Все 3 Комментарий

Спасибо за отчет @ murata-yu, могу воспроизвести в https://github.com/scikit-learn/scikit-learn/pull/17996

Пока не уверен, указывает ли это на реальную проблему, мы должны просто увеличить допуск.

С точки зрения пользователя 4% изменения точности в диапазоне 0,8 выглядят больше, чем небольшое расхождение в числовом округлении. Стоит исследовать.

Я могу воспроизвести проблему локально, создав scikit-learn в среде miniforge arm64 в контейнере docker / qemu, как описано в https://github.com/scikit-learn/scikit-learn/pull/17644#issuecomment -663857435.

Была ли эта страница полезной?
0 / 5 - 0 рейтинги