Exploit a hierarchical multi-table schema for sklearn API

[marcboulle]

Description

La spécification actuelle (10.3.1) des datasets pour l'API sklearn est basée sur un schéma entité-relation, proche de celui utilisé par l'outil FeatureTools.

X = {
    "main_table": "Accidents",
    "tables": {
        "Accidents": (accidents_df.drop("Gravity", axis=1), "AccidentId"),
        "Vehicles": (vehicles_df, ["AccidentId", "VehicleId"]),
        "Users": (users_df, ["AccidentId", "VehicleId"]),
        "Places": (places_df, "AccidentId"),
    },
    "relations": [
        ("Accidents", "Vehicles"),
        ("Vehicles", "Users"),
        ("Accidents", "Places", True),
    ],
}

Il s'agit de passer à un schéma hiérarchique, qui est celui des dictionnaires multi-table de Khiops.

      X = {
          "main_table": (accidents_df,  ["AccidentId"]),
          "additional_data_tables": {
              "Vehicles": (vehicles_df, ["AccidentId", "VehicleId"]),
              "Vehicles/Users": (users_df, ["AccidentId", "VehicleId"]),
              "Place": (places_df, ["AccidentId"], True),
          }
      }

Cela présente les avantages suivants:

• conformité au modèle de donnée des dictionnaires Khiops
• simplicité accrue
• transition facilitée de l'API sklearn vers l'API core

Questions/Ideas

Prévoir un chemin de déprécation, en acceptant l'ancienne spécification avec un warning

[popescu-v]

We need to set a suppression target for the older syntax. For a start, we can put 11.1.0.