Bonjour Frederic,
Après investigation les erreurs d'optimisation pour la classification et la regression ont deux sources différentes.
Classification: lors de la decomposition en fold du dataset certains échantillons de test se retrouve sans aucune occurence de certaines classes, ceci provoque une erreur lors du calcul du score de ROC menant à l'échec du processus d'optimisation. Le problème est identifié et sera résolu dans une release future. A l'avenir la repartition des classes dans les échantillons sera maintenue plus efficacement. Une solution temporaire peut être de réduire le nombre de folds.
Régression: le problème vient de l'ajout d'un estimateur non complètement supporté actuellement la PLSRegression, c'est pour cette raison que l'optimisation dans le cadre de la regression n'échouait pas systématiquement . Celui sera retiré lors d'un hotfix publié dans la journée.
Merci pour votre retour, si vous souhaitez nous contacter en direct un gitter est disponible ici.
MLS Team
