Instructions to use kurtulus7182/SEPrimer with libraries, inference providers, notebooks, and local apps. Follow these links to get started.
- Libraries
- Scikit-learn
How to use kurtulus7182/SEPrimer with Scikit-learn:
from huggingface_hub import hf_hub_download import joblib model = joblib.load( hf_hub_download("kurtulus7182/SEPrimer", "sklearn_model.joblib") ) # only load pickle files from sources you trust # read more about it here https://skops.readthedocs.io/en/stable/persistence.html - Notebooks
- Google Colab
- Kaggle
SE Primer — Kriz freni model kartı
Sentetik demo (
synthetic-demo): Bu artefakt yalnızscripts/generate_demo.pytarafından üretilen sentetik veriyle eğitilmiştir. Gerçek kullanıcı verisiyle eğitilmedi; gerçek öğrenci başarımı, genelleme veya üretim kullanımı iddiası taşımaz. 4 Kasım 2026'da 15 oturumluk gerçek veri toplandı, ancak 45 satırın 44'ü 0 etiketli olduğu ve holdout'ta iki sınıf kalmadığı içintrain.pyadayı reddetti. Bu nedenle gerçek veri modeli yayınlanmadı; bu karttaki model sentetik demodur.
Amaç
Muhteşem Cuma ödeme krizi oyununda oyuncunun yönlendirici ipucu isteyip istemediğini tahmin etmek. Lojistik regresyon + StandardScaler tek ONNX pipeline'ıdır. Ölçeklemeyi istemci ayrıca yapmaz. Pozitif sınıf 1; karar eşiği 0.60. Sahneye özgü soru, mentorun açılma zamanı ve deneyimli modun sayaç durdurması bu kararı kullanır.
Veri ve ölçüm
Güncel durum ve kesin metrikler aynı commit'teki config.json içindedir.
status=synthetic-demo ise gerçek insan başarımı ölçülmemiştir; sentetik doğruluk
gerçek kullanıcılarda başarı demek değildir. 240 sentetik oturumun üreticisi seed=42 ile
scripts/generate_demo.py dosyasında; veri sözlüğünde açık kuralı yazılıdır.
Gerçek veri adayı yalnız en az 15 tamamlanmış gerçek oturumdan eğitilebilir.
Etiket karar öncesi öz bildirimdir; modelden veya A/B sonucundan üretilmez.
4 Kasım 2026'daki 15 oturumluk tur bu kapıyı geçemedi: etiket 44×0 / 1×1, süre 1–4 sn,
ipucu_sayisi tüm satırlarda 0. Veri yapay olarak dengelenmedi ve eşik düşürülmedi.
Holdout oturum bazlı %25; seed=42. Test doğruluğu p>=0.60 kararıyla hesaplanır.
Kabul kapısı accuracy>=0.75. Her iki sınıf hem eğitim hem testte bulunmalıdır.
Ayrıca holdout çoğunluk baseline'ı hesaplanır; model bunu kesin olarak aşmalıdır,
eşitlik de reddedilir. Tek sınıfı tahmin eden model yayımlanmaz.
ONNX/sklearn tüm veri ve referanslarda mutlak olasılık farkı <1e-4.
Test kümesiyle model seçimi yapılmaz; başarısızlıkta daha çeşitli veri toplanır.
Sözleşme ve yeniden üretim
contract.json eğitim öncesi özellik sırası, aralıklar ve eşiklerdir.
config.json giriş [N,5] float32, çıkış adı, sınıf sırası, metrikler, veri/model SHA256
ve bağımlılık sürümlerini içerir. Model dosyası ile config birlikte sürümlenir.
Tam bağımlılıklar requirements-lock.txt; eğitim komutu repo README'sinde.
Python oracle ve gerçek tarayıcı WASM'ı aynı beş referansla karşılaştırılır.
Sınırlar / kullanılmaması gereken durumlar
Küçük ve tek hikâyeye ait veri; tekrar oyunlarında öğrenme etkisi; öz bildirim yanlılığı. Profil seçimi uzmanlığın nesnel ölçümü değildir. Uzun düşünmek başarısızlık değildir. Oturum ayrımı kişi ayrımı garantilemez. Model olasılıkları kalibre edilmiş güven puanı değildir. Öğrenci notlandırma, işe alım, kişilik/sağlık değerlendirmesi veya gerçek ödeme sistemlerinde karar verme için kullanılmaz. İstemciye indirilen model gizli değildir.
Demo
- Canlı uygulama: https://kurtulusyuksel.github.io/SE-Primer-v2/
- 75,7 sn demo video: https://github.com/kurtulusyuksel/SE-Primer-v2/blob/main/assets/demo.mp4
- Kaynak depo: https://github.com/kurtulusyuksel/SE-Primer-v2
Kaynaklar
- https://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LogisticRegression.html
- https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.GroupShuffleSplit.html
- https://onnx.ai/sklearn-onnx/auto_tutorial/plot_dbegin_options_zipmap.html
- https://onnxruntime.ai/docs/tutorials/web/deploy.html
- Downloads last month
- -