问题标签 [pdp]

用于开发和登台集成测试的 PDP URL 是什么？PDP_SERVER_URL 的值应该是多少

我读了很多关于 ABAC 及其好处的文章，但我无法理解他们的参与方究竟是如何工作的。

我正在使用 C++ 创建一个 REST API 微服务，并且我想使用 ABAC 保护所有 API 请求。我确实知道我需要：PEP、PDP、PIP 等。而且我了解每个服务将做什么的总体思路。但是我对我面临的一些问题有一些疑问，我需要了解是否有标准的方法来做到这一点，或者它只是取决于我的想象力。

我不会使用 XACML (XML) 来存储策略，因为我的公司更喜欢将策略存储在数据库或 JSON 格式中。

在 PEP 端形成 XACML 请求并将其发送到 PDP 之后，如何使用此请求搜索存储在 PDP 端的策略，如果我理解正确，并非所有 PolicySet 都有目标，并非所有策略都有目标，并且对于规则？

我是否必须使用正则表达式将请求中的数据与 PDP 中的策略相匹配。如果要使用正则表达式，我该如何处理没有我之前提到的目标的策略集或同一分支中的多个目标

以下是仅允许具有管理员角色的用户的 XACML 权利策略

当我对本地用户使用默认 wso2 身份验证时，它工作正常。

但是当我使用联合身份验证（在我的例子中是谷歌）时，我使用即时配置通过将用户存储在本地用户存储中来创建本地用户。

第一次登录后，我手动为该本地用户分配管理员角色。

现在，当我为同一用户使用联合身份验证再次登录时，该用户仍然没有通过授权策略。

我在编写策略时犯了一些错误，还是我的本地用户没有链接到联合用户？

看培训视频《Component Context - Spartacus Extensibility Live Coding Part 4 - SAP Commerce Cloud》，通过设置[cxOutletRef]="ProductDetailOutlets.IMAGE"自定义PDP图像组件。查看 Spartacus 2.0 中的 ProductDetailOutlets 枚举：

不再有“图像”。我测试并确认我可以自定义 PDP.SUMMARY，但是使用 Spartacus 2.0，我如何自定义 PDP 上的 IMAGE 组件？

谢谢。

我正在为随机森林绘制 R 中的一些部分依赖图。我正在使用 pdp 包，它对我在 z 变量中的限制没有任何规范。代码：

我也尝试过：zlim(c(1000,3000)、zmax 和 min 以及类似的

我有一个二元分类问题的预测概率图。我有两个问题：

1. 如何绘制单个概率中断p = 0.5？使用该contour = TRUE参数会添加几行。
2. 是否可以添加另一个预测器来绘制 3D 图？

这是我现在拥有的：

代表：

我正在尝试为使用 Xgboost 库构建的 r 中的回归 Xgboost 模型绘制 pdp、ale 和 ICE 图。我已经尝试过使用 pdp 库：

我收到以下错误：

partial.default(xgbc, pred.var = "za1", ice = TRUE, center = TRUE, : 部分依赖值目前仅可用于分类和回归问题。

尽管该模型是功能性的，但我设法使用 modelstudio 绘制了故障图。关于错误原因的任何想法？模型中是否有需要专门定义的参数来生成这些图。za1 是一个数值变量。

我目前正在研究如何解释机器学习模型，我发现 PDPBox 包中的函数“pdp_plot”对于显示预测结果如何受到解释变量变化的影响非常有用。但是，我没有找到如何显示所有虚拟变量，包括在数据预处理步骤中删除的虚拟变量。

在我的初始数据集中，我有一个名为“Area”的解释变量，它有 6 个唯一值：A、B、C、D、E、F。在创建虚拟变量并删除第一列之后，用于训练我的 XGB 模型的数据集包括 Area_B ，区域_C，区域_D，区域_E，区域_F。

当使用 PDPBox 中的“pdp_isolate”和“pdp_plot”函数时，它显示了虚拟变量 Area_B = 1 的情况，然后是虚拟变量 Area_C = 1 的情况，然后是虚拟变量 Area_D = 1 的情况，等等。没有显示所有这些虚拟变量 = 0 的情况的结果。有人知道如何显示这个吗？

非常感谢您的时间。希望答案也对社区有所帮助。如果需要澄清，请联系！

我在我的数据集上使用了 LSTM 神经网络（Keras 包），并希望使用与模型无关的方法来查找变量对我的预测的影响。数据集是一个具有三个维度的数组。我有多个 ID，每个 ID 都有自己的序列，每个 ID 都有可变的时间步长。我的数据集的形状如下所示：(18610, 151, 18)（ID、时间步长、变量），一个时间步长上一个 ID 的变量输出如下所示（预测类 1）：

所有模型不可知论方法（据我所知）都不适用于这些具有三个维度的数组数据集。有没有办法仍然找到变量的影响（使用 Lime、部分依赖图或 Shapley？）所以我可以解释模型？我更喜欢使用部分依赖图来查看全局解释。

有谁知道如何做到这一点（使用示例代码）？非常感谢您！

我正在尝试使用以下方法并行学习随机森林中的部分图：

但是，我有这样的消息错误：

如果它可以帮助，这里是错误消息的回溯如下：

注意：我在使用这种方式进行并行化之前学习了我的 RF，并且它可以工作。

这是我的会话信息：