Open RomanKharkovskoy opened 7 months ago
Hello @RomanKharkovskoy! Thanks for updating this PR. We checked the lines you've touched for PEP 8 issues, and found:
There are currently no PEP 8 issues detected in this Pull Request. Cheers! :beers:
Выставлять на ревью PR-ы без описания и с PEP8-дефектами - плохая практика.
Изменения не покрыты тестами (нужны в случае если поведение чем-то отличается от предыдущей реализации xgb).
Attention: 4 lines
in your changes are missing coverage. Please review.
Comparison is base (
c53881a
) 79.82% compared to head (dacd08e
) 80.09%.
Files | Patch % | Lines |
---|---|---|
...mplementations/models/boostings_implementations.py | 93.33% | 4 Missing :warning: |
:umbrella: View full report in Codecov by Sentry.
:loudspeaker: Have feedback on the report? Share it here.
All PEP8 errors has been fixed, thanks :heart:
Не совсем понял, как идёт сравнение с Федотом? Берутся xgboost из коробки и федот с 1 моделью (xgboost)? Тогда перед имплементацией стоит взять больше датасетов (хотя бы 10), запустить их минимум по 5 раз и усреднить Возможно, @nicl-nno знаешь более оптимальные цифры или датасеты подскажешь?
Взял по 10 датасетов для классификации (заменил таблицу в шапке PR'а). XGBoost берётся из коробки + заполняются пропуски с помощью sklearn.SimpleInputer и кодируются категориальные признаки с помощью sklearn.OneHotEncoder. А для сравнения с FEDOT берётся predefined_model='xgboost'
Не совсем понял, как идёт сравнение с Федотом? Берутся xgboost из коробки и федот с 1 моделью (xgboost)? Тогда перед имплементацией стоит взять больше датасетов (хотя бы 10), запустить их минимум по 5 раз и усреднить Возможно, @nicl-nno знаешь более оптимальные цифры или датасеты подскажешь?
Взял по 10 датасетов для классификации (заменил таблицу в шапке PR'а). XGBoost берётся из коробки + заполняются пропуски с помощью sklearn.SimpleInputer и кодируются категориальные признаки с помощью sklearn.OneHotEncoder. А для сравнения с FEDOT берётся predefined_model='xgboost'
А усреднение по скольки запускам считаешь?
План
Как работает
Реализован интерфейс fit/predict в родительском классе FedotXGBoostImplementation
Код
```py class FedotXGBoostImplementation(ModelImplementation): __operation_params = ['n_jobs', 'use_eval_set'] def __init__(self, params: Optional[OperationParameters] = None): super().__init__(params) self.model_params = {k: v for k, v in self.params.to_dict().items() if k not in self.__operation_params} self.model = None def fit(self, input_data: InputData): input_data = input_data.get_not_encoded_data() if self.params.get('use_eval_set'): train_input, eval_input = train_test_data_setup(input_data) train_input = self.convert_to_dataframe(train_input) eval_input = self.convert_to_dataframe(eval_input) train_x, train_y = train_input.drop(columns=['target']), train_input['target'] eval_x, eval_y = eval_input.drop(columns=['target']), eval_input['target'] if self.classes_ is None: eval_metric = 'rmse' elif len(self.classes_) < 3: eval_metric = 'auc' else: eval_metric = 'mlogloss' self.model.fit(X=train_x, y=train_y, eval_set=[(eval_x, eval_y)], eval_metric=eval_metric) else: train_data = self.convert_to_dataframe(input_data) train_x, train_y = train_data.drop(columns=['target']), train_data['target'] self.model.fit(X=train_x, y=train_y) return self.model def predict(self, input_data: InputData): input_data = self.convert_to_dataframe(input_data.get_not_encoded_data()) train_x, _ = input_data.drop(columns=['target']), input_data['target'] prediction = self.model.predict(train_x) return prediction ```Интерфейс fit/predict не поддерживает работу с внутренним типом данных
xgboost.DMatrix
, поэтому необходимо было найти обходной путь. В данном случае был использован тип данныхpandas.DataFrame
.Внутри интерфейса идёт преобразование
InputData
вpandas.DataFrame
(categorical_idx
становятсяcategory
, аnumerical_idx
становятсяfloat
Код
```py @staticmethod def convert_to_dataframe(data: Optional[InputData]): dataframe = pd.DataFrame(data=data.features, columns=data.features_names) dataframe['target'] = data.target if data.categorical_idx is not None: for col in dataframe.columns[data.categorical_idx]: dataframe[col] = dataframe[col].astype('category') if data.numerical_idx is not None: for col in dataframe.columns[data.numerical_idx]: dataframe[col] = dataframe[col].astype('float') return dataframe ```Таблица сравнения метрик из Fedot'а и из без AutoML (inputer+кодирование категориальных данных)
Метрики из коробки оказались лучше, чем метрики из Fedot'а, что может быть связано с внутренним препроцессингом внутри Fedot'а.