Mapper les colonnes dans les jeux de données

Associez les colonnes de vos jeux de données à d’autres noms. Cela vous permet d’aligner les noms de colonnes de votre jeu de données sur ceux attendus par le scorer.

Python

Dans le SDK Python de Weave, utilisez l’attribut column_map sur un scorer pour faire correspondre les noms de paramètres attendus aux noms de colonnes de votre jeu de données. Le format de mappage est {scorer_parameter: dataset_column}.

L’exemple suivant associe les paramètres output et target aux colonnes model_output et answer d’un jeu de données :

from weave.scorers import EmbeddingSimilarityScorer

similarity_scorer = EmbeddingSimilarityScorer()

similarity_scorer.column_map = {
    "output": "model_output",  # Le texte généré par le modèle
    "target": "answer"         # La réponse attendue ou de référence
}

Pour plus d’informations sur le mappage de colonnes pour les scorers, voir Mappage des noms de colonnes avec column_map.

TypeScript

Dans le SDK TypeScript de Weave, le mappage des colonnes se configure sur l’objet Evaluation à l’aide de l’option columnMapping, et non sur chaque scorer individuellement. Le format de mappage est {scorer_key: dataset_column}.

L’exemple suivant associe expectedOutputTimesTwo (utilisé par le scorer) à la colonne expected du jeu de données :

import * as weave from 'weave';

const myScorer = weave.op(
  ({modelOutput, datasetRow}) => {
    return modelOutput * 2 === datasetRow.expectedOutputTimesTwo;
  },
  {name: 'myScorer'}
);

const myEval = new weave.Evaluation({
  id: 'my-evaluation',
  dataset: [{expected: 2}],
  scorers: [myScorer],
  columnMapping: {expectedOutputTimesTwo: 'expected'},
});

Pour plus d’informations sur les arguments des scorers en TypeScript, voir Arguments nommés du scorer.