Rule API¶

Experimental

mars.rule 的 DSL、筛选策略、结果字段和 artifact 仍可能在 0.0.x 调整。不要从根 mars 导入这些名称；受控流程固定精确版本，并对 JSON 和 SQL 结果增加契约测试。

mars.rule.mine_rules ¶

mine_rules(
    train_df: FrameLike,
    *,
    target: str,
    validation_df: FrameLike | None = None,
    aux_targets: Sequence[str] | None = None,
    features: Sequence[str] | None = None,
    group_col: str | None = None,
    time_col: str | None = None,
    time_grain: str | None = None,
    amount_col: str | None = None,
    customer_col: str | None = None,
    seed_rules: (
        Sequence[Union[str, MarsRule]] | None
    ) = None,
    spec: MarsRuleMiningSpec | None = None,
    generators: Sequence[MarsRuleGenerator] | None = None
) -> MarsRuleMiningResult

生成、评估、筛选并组装可部署规则集。

参数：

名称	类型	描述	默认
`train_df`	`FrameLike`	候选生成和训练筛选样本。	必需
`target`	`str`	主二分类目标列。	必需
`validation_df`	`FrameLike \| None`	独立验证样本；不传时明确降级为样本内探索。	`None`
`aux_targets`	`Sequence[str] \| None`	仅参与评估和类型化筛选的辅助目标。	`None`
`features`	`Sequence[str] \| None`	自动生成使用的数值特征；不传时排除所有数据角色列后推断。	`None`
`group_col`	`str \| None`	已存在的验证切片列。	`None`
`time_col`	`str \| None`	用于构造验证时间切片的日期列。	`None`
`time_grain`	`str \| None`	`day`、`week`、`month` 或 `year`。	`None`
`amount_col`	`str \| None`	金额指标列。	`None`
`customer_col`	`str \| None`	客户去重指标列。	`None`
`seed_rules`	`Sequence[Union[str, MarsRule]] \| None`	用户提供的 DSL 规则候选。	`None`
`spec`	`MarsRuleMiningSpec \| None`	类型化挖掘策略；不传时使用默认高风险策略。	`None`
`generators`	`Sequence[MarsRuleGenerator] \| None`	自定义生成器；不传时使用组合规则和浅层树，空序列表示只评估 seed rules。	`None`

返回：

类型	描述
`MarsRuleMiningResult`	不保存原始 DataFrame 的可审计挖掘结果。

引发：

类型	描述
`TypeError`	spec、generators 或 seed_rules 未遵循类型化公开契约时抛出。
`ValueError`	production 缺少独立验证集或输入配置非法时抛出。

mars.rule.MarsRule `dataclass` ¶

表示与样本评估结果无关的可部署规则。

参数：

名称	类型	描述	默认
`expression`	`str`	Mars Rule DSL 表达式。	必需
`source`	`str`	规则来源，例如 `manual`、`combination` 或 `tree`。	`'manual'`
`labels`	`tuple[str, ...]`	调用方附加的稳定标签。	`()`

属性：

名称	类型	描述
`rule_id`	`str`	由规范化表达式确定性生成的规则标识。
`complexity`	`int`	原子条件数量。
`required_features`	`tuple[str, ...]`	规则引用的输入列。

示例：

>>> rule = MarsRule("age <= 25 AND debt > 0.5")
>>> rule.rule_id.startswith("mr_")
True

__post_init__ ¶

__post_init__() -> None

规范化表达式并计算稳定派生字段。

mars.rule.MarsRuleSet `dataclass` ¶

有序、可部署的规则集合。

参数：

名称	类型	描述	默认
`rules`	`Sequence[MarsRule]`	有序规则定义。	`tuple()`
`grades`	`Mapping[str, Sequence[str]]`	等级到规则 ID 的映射。	`dict()`
`metadata`	`Mapping[str, Any]`	不包含样本指标的 artifact 元数据。	`dict()`
`qualification`	`('exploratory', 'validated', 'temporally_validated')`	规则集部署资格；手工构造和 explore 结果默认为 `exploratory`。	`"exploratory"`
`validation_summary`	`Mapping[str, Any]`	生成资格状态所依据的验证摘要。	`dict()`

required_features `property` ¶

required_features: Tuple[str, ...]

返回规则集引用的全部输入列。

__post_init__ ¶

__post_init__() -> None

冻结集合顺序并校验 ID、表达式和等级引用。

transform ¶

transform(df: FrameLike) -> FrameLike

追加逐规则、总命中数和等级命中数。

参数：

名称	类型	描述	默认
`df`	`FrameLike`	待应用规则的数据集。	必需

返回：

类型	描述
`DataFrame \| DataFrame`	与输入类型一致的命中结果表。

引发：

类型	描述
`ValueError`	输入缺少任一规则引用列时抛出。

to_dict ¶

to_dict() -> Dict[str, Any]

返回严格、带版本的规则集 artifact。

from_dict `classmethod` ¶

from_dict(payload: Mapping[str, Any]) -> MarsRuleSet

从严格 artifact 恢复规则集。

参数：

名称	类型	描述	默认
`payload`	`Mapping[str, Any]`	由 :meth:`to_dict` 生成的规则集对象。	必需

返回：

类型	描述
`MarsRuleSet`	完成 ID 和引用校验的规则集。

引发：

类型	描述
`MarsRuleArtifactError`	artifact 类型、版本、规则条目、ID 或等级引用非法时抛出。

save_json ¶

save_json(path: Union[str, Path]) -> None

原子写出规则集 JSON。

参数：

名称	类型	描述	默认
`path`	`Union[str, Path]`	输出文件；父目录必须已经存在。	必需

引发：

类型	描述
`FileNotFoundError`	输出目录不存在时抛出。
`Exception`	临时文件写入、同步或原子替换失败时原样抛出。

load_json `classmethod` ¶

load_json(path: Union[str, Path]) -> MarsRuleSet

读取并严格校验规则集 JSON。

参数：

名称	类型	描述	默认
`path`	`Union[str, Path]`	Mars RuleSet artifact 文件。	必需

返回：

类型	描述
`MarsRuleSet`	恢复后的规则集。

引发：

类型	描述
`MarsRuleArtifactError`	JSON 语法、顶层结构或 artifact 契约非法时抛出。

generate_sql ¶

generate_sql(
    *,
    table_alias: str = "",
    include_grade_counts: bool = True,
    minimum_qualification: (
        Literal["validated", "temporally_validated"] | None
    ) = "validated",
    missing_policy: Literal[
        "reject", "normalized_to_null"
    ] = "reject"
) -> str

生成 ANSI SQL 命中列和汇总列片段。

参数：

名称	类型	描述	默认
`table_alias`	`str`	输入表别名；空字符串表示不添加前缀。	`''`
`include_grade_counts`	`bool`	是否输出等级命中计数列。	`True`
`minimum_qualification`	`Literal['validated', 'temporally_validated'] \| None`	SQL 导出要求的最低部署资格；`None` 仅用于显式开发导出。	`'validated'`
`missing_policy`	`Literal['reject', 'normalized_to_null']`	`IS MISSING` 的 ANSI SQL 策略；默认拒绝，声明上游已完成 NaN 到 NULL 规范化后才允许映射。	`'reject'`

返回：

类型	描述
`str`	可嵌入 `SELECT` 的逗号分隔 SQL 片段。

引发：

类型	描述
`MarsRuleDeploymentError`	资格不足、策略非法或 MISSING 无法安全导出时抛出。

mars.rule.MarsRuleMetricCondition `dataclass` ¶

定义单个规则评估指标条件。

参数：

名称	类型	描述	默认
`metric`	`str`	固定长表中的指标列名。	必需
`operator`	`('<', '<=', '==', '!=', '>=', '>')`	比较运算符。	`"<"`
`value`	`float`	比较阈值。	必需

__post_init__ ¶

__post_init__() -> None

校验指标条件。

mars.rule.MarsRuleFilter `dataclass` ¶

定义规则筛选阈值与跨目标、切片通过策略。

参数：

名称	类型	描述	默认
`conditions`	`tuple[MarsRuleMetricCondition, ...]`	单行评估结果必须同时满足的指标条件。	必需
`targets`	`"primary"、"all" 或目标列元组`	参与筛选的目标范围。	`'primary'`
`target_scope`	`('all', 'any')`	多目标条件的聚合方式。	`"all"`
`slice_pass_rate`	`float \| None`	提供切片结果时要求通过的最小切片比例；`None` 表示只使用 overall。	`None`

__post_init__ ¶

__post_init__() -> None

校验聚合范围与通过率。

mars.rule.MarsRuleMiningSpec `dataclass` ¶

规则挖掘的可复用、可序列化策略。

参数：

名称	类型	描述	默认
`profile`	`('explore', 'production')`	探索模式保留点估计筛选；生产模式强制独立验证与统计门禁。	`"explore"`
`direction`	`('high_risk', 'low_risk')`	规则风险方向。	`"high_risk"`
`candidate_filter`	`MarsRuleFilter`	训练集候选筛选规则。	`_high_candidate_filter()`
`validation_filter`	`MarsRuleFilter`	验证集最终筛选规则。	`_high_validation_filter()`
`grade_filters`	`Mapping[str, MarsRuleFilter]`	规则等级到筛选条件的映射。	`dict()`
`selection_strategy`	`('ranked', 'cascade')`	最终规则选择策略。	`"ranked"`
`top_k`	`int`	最终最多保留的规则数。	`10`
`max_candidates`	`int`	合并生成器后允许评估的候选上限。	`100000`
`iou_threshold`	`float`	命中人群 IoU 去重阈值。	`0.3`
`batch_size`	`int`	规则批量评估大小。	`100`
`iou_batch_size`	`int`	IoU 掩码处理批次大小。	`512`
`max_rounds`	`int`	cascade 最多轮数。	`10`
`random_state`	`int`	默认生成器随机种子。	`42`
`on_generator_error`	`('raise', 'record')`	单生成器失败时的处理方式。	`"raise"`
`confidence_level`	`float`	production Wilson 单侧置信水平。	`0.95`
`max_fdr`	`float`	production Benjamini-Hochberg 最大 q 值。	`0.05`
`min_time_slices`	`int`	获得时间验证资格所需的最少有效切片数。	`3`

__post_init__ ¶

__post_init__() -> None

校验挖掘预算和策略。

explore `classmethod` ¶

explore(**overrides: Any) -> MarsRuleMiningSpec

构造允许 in-sample 结果的探索策略。

参数：

名称	类型	描述	默认
`**overrides`	`Any`	覆盖默认 dataclass 字段的显式配置。	`{}`

返回：

类型	描述
`MarsRuleMiningSpec`	`profile='explore'` 的挖掘策略。

production `classmethod` ¶

production(**overrides: Any) -> MarsRuleMiningSpec

构造强制独立验证和统计门禁的生产策略。

参数：

名称	类型	描述	默认
`**overrides`	`Any`	覆盖默认 dataclass 字段的显式配置。	`{}`

返回：

类型	描述
`MarsRuleMiningSpec`	`profile='production'` 的挖掘策略。

low_risk `classmethod` ¶

low_risk(**overrides: Any) -> MarsRuleMiningSpec

构造默认低风险挖掘策略。

参数：

名称	类型	描述	默认
`**overrides`	`Any`	覆盖默认 dataclass 字段的显式配置。	`{}`

返回：

类型	描述
`MarsRuleMiningSpec`	Lift 上限分别为 0.9 和 0.8 的低风险策略。

to_dict ¶

to_dict() -> Dict[str, Any]

返回可 JSON 序列化的完整策略。

mars.rule.MarsRuleMiningResult `dataclass` ¶

规则挖掘的可审计结构化结果。

参数：

名称	类型	描述	默认
`status`	`('success', 'no_rules')`	最终业务状态；合法零入选使用 `no_rules`。	`"success"`
`rule_set`	`MarsRuleSet`	最终可部署规则定义。	必需
`candidate_table`	`DataFrame`	候选来源、淘汰阶段和原因审计表。	必需
`evaluation`	`MarsRuleEvaluation`	训练与验证整体、切片长表。	必需
`spec`	`MarsRuleMiningSpec`	完整解析后的挖掘策略。	必需
`metadata`	`Mapping[str, Any]`	数据角色、验证状态、版本和阶段耗时。	`dict()`

analyze ¶

analyze(
    df: FrameLike,
    *,
    target: str | None = None,
    amount_col: str | None = None,
    customer_col: str | None = None,
    max_pairs: int = 5000,
    bootstrap_repeats: int = 0,
    confidence_level: float | None = None,
    random_state: int | None = None
) -> MarsRuleAnalysis

按需计算最终规则的交互和累计贡献。

参数：

名称	类型	描述	默认
`df`	`FrameLike`	分析样本；结果对象不会保存该数据。	必需
`target`	`str \| None`	分析目标；不传时使用挖掘主目标。	`None`
`amount_col`	`str \| None`	金额列；不传时沿用挖掘阶段配置。	`None`
`customer_col`	`str \| None`	客户列；不传时沿用挖掘阶段配置。	`None`
`max_pairs`	`int`	交互分析最大规则对数。	`5000`
`bootstrap_repeats`	`int`	最终规则 Lift 重采样次数；默认关闭。	`0`
`confidence_level`	`float \| None`	bootstrap 区间置信水平；不传时沿用挖掘 spec。	`None`
`random_state`	`int \| None`	bootstrap 种子；不传时沿用挖掘 spec。	`None`

返回：

类型	描述
`MarsRuleAnalysis`	交互、累计表和分析元数据。

to_report ¶

to_report(
    analysis: MarsRuleAnalysis | None = None,
) -> MarsRuleReport

构造不产生文件副作用的结构化报告。

参数：

名称	类型	描述	默认
`analysis`	`MarsRuleAnalysis \| None`	显式执行的高级分析；不传时省略相关 section。	`None`

返回：

类型	描述
`MarsRuleReport`	可进一步导出 HTML 或 Excel 的报告。

mars.rule.MarsRuleEvaluation `dataclass` ¶

保存一次规则评估的固定长表。

参数：

名称	类型	描述	默认
`overall_table`	`DataFrame`	`slice="__overall__"` 的整体评估长表。	`DataFrame()`
`slice_table`	`DataFrame`	按业务分组或时间切片展开的评估长表。	`DataFrame()`
`metadata`	`Mapping[str, Any]`	数据集角色、目标和列配置等运行元数据。	`dict()`

mars.rule.MarsRuleAnalysis `dataclass` ¶

保存按需执行的规则高级分析结果。

参数：

名称	类型	描述	默认
`interaction_table`	`DataFrame`	两两命中重叠和组合风险表，按需包含金额与客户指标。	`DataFrame()`
`cumulative_table`	`DataFrame`	按 RuleSet 顺序累计覆盖与边际贡献表，按需包含金额与客户指标。	`DataFrame()`
`bootstrap_table`	`DataFrame`	可选 top-k Lift bootstrap 区间；默认分析不会执行重采样。	`DataFrame()`
`metadata`	`Mapping[str, Any]`	分析目标、字段配置、配对预算和样本量。	`dict()`

mars.rule.MarsRuleReport `dataclass` ¶

规则挖掘的结构化报告与显式导出器。

参数：

名称	类型	描述	默认
`summary_table`	`DataFrame`	挖掘状态、候选数量和验证状态汇总。	`DataFrame()`
`detail_tables`	`Mapping[str, DataFrame]`	候选审计、评估、切片和可选高级分析表。	`dict()`
`metadata`	`Mapping[str, Any]`	已解析策略、数据角色和运行版本。	`dict()`
`caption`	`str`	Notebook 与文件报告标题。	`'MARS Rule Mining Report'`

from_benchmark `classmethod` ¶

from_benchmark(
    benchmark: Union[
        FrameLike,
        Mapping[str, Any],
        Sequence[Mapping[str, Any]],
    ],
    *,
    caption: str = "MARS Rule Benchmark Report"
) -> MarsRuleReport

从 benchmark 记录构造可导出的结构化报告。

参数：

名称	类型	描述	默认
`benchmark`	`Union[FrameLike, Mapping[str, Any], Sequence[Mapping[str, Any]]]`	单条记录、记录序列或 Pandas/Polars 表。	必需
`caption`	`str`	报告标题。	`'MARS Rule Benchmark Report'`

返回：

类型	描述
`MarsRuleReport`	包含 benchmark 明细和行数汇总的报告。

引发：

类型	描述
`TypeError`	benchmark 不是支持的表或记录结构时抛出。

write_excel ¶

write_excel(
    path: Union[str, Path] = "mars_rule_report.xlsx",
    *,
    engine: str | None = None
) -> None

把报告写入多工作表 Excel。

参数：

名称	类型	描述	默认
`path`	`Union[str, Path]`	输出工作簿路径；父目录会自动创建。	`'mars_rule_report.xlsx'`
`engine`	`str \| None`	可选 Pandas ExcelWriter 引擎。	`None`

write_html ¶

write_html(
    path: Union[str, Path] = "mars_rule_report.html",
) -> Path

写出自包含 HTML 规则报告。

参数：

名称	类型	描述	默认
`path`	`Union[str, Path]`	输出 HTML 路径；父目录会自动创建。	`'mars_rule_report.html'`

返回：

类型	描述
`Path`	实际写出的文件路径。

render_html ¶

render_html() -> str

渲染不落盘的自包含 HTML 字符串。

返回：

类型	描述
`str`	完整且对用户字段执行 HTML 转义的文档。

mars.rule.MarsRuleGenerator ¶

Bases: ABC

规则候选生成器抽象接口。

子类只负责从训练数据生成不含样本指标的 :class:MarsRule。最终方向、筛选和去重由 :func:mars.rule.mine_rules 统一完成。

generate `abstractmethod` ¶

generate(
    df: FrameLike,
    *,
    target: str,
    features: Sequence[str] | None = None
) -> List[MarsRule]

生成规则候选。

参数：

名称	类型	描述	默认
`df`	`FrameLike`	训练样本。	必需
`target`	`str`	主二分类目标。	必需
`features`	`Sequence[str] \| None`	显式候选特征；不传时由生成器推断数值特征。	`None`

返回：

类型	描述
`list[MarsRule]`	已规范化并精确去重的候选规则。

mars.rule.MarsRuleEvaluator ¶

在样本、金额和客户维度评估规则。

评估器接受 Pandas 或 Polars 输入，输出固定 Polars 长表。每个目标只使用该目标非空且可转换为二分类数值的样本，未定义比率保留为 null。

示例：

>>> import polars as pl
>>> from mars.rule import MarsRule, MarsRuleEvaluator, MarsRuleSet
>>> frame = pl.DataFrame({"age": [20, 40], "y": [1, 0]})
>>> rules = MarsRuleSet([MarsRule("age < 30")])
>>> result = MarsRuleEvaluator().evaluate(frame, rules, target="y")
>>> result.overall_table.filter(pl.col("group") == "hit")["event_count"][0]
1

evaluate ¶

evaluate(
    df: FrameLike,
    rule_set: MarsRuleSet,
    *,
    target: str,
    aux_targets: Sequence[str] | None = None,
    dataset: str = "evaluation",
    group_col: str | None = None,
    time_col: str | None = None,
    time_grain: str | None = None,
    amount_col: str | None = None,
    customer_col: str | None = None,
    batch_size: int = 100,
    direction: RuleDirection = "high_risk",
    confidence_level: float = 0.95,
    compute_statistics: bool = False
) -> MarsRuleEvaluation

评估规则整体与切片指标。

参数：

名称	类型	描述	默认
`df`	`FrameLike`	待评估样本。	必需
`rule_set`	`MarsRuleSet`	不含样本指标的规则定义。	必需
`target`	`str`	生成和主要筛选使用的二分类目标。	必需
`aux_targets`	`Sequence[str] \| None`	仅参与评估的辅助目标。	`None`
`dataset`	`str`	写入长表的样本角色标签。	`'evaluation'`
`group_col`	`str \| None`	已存在的切片列。	`None`
`time_col`	`str \| None`	用于生成时间切片的日期列。	`None`
`time_grain`	`str \| None`	`day`、`week`、`month` 或 `year`；不传时保留原始日期文本。	`None`
`amount_col`	`str \| None`	金额指标列。	`None`
`customer_col`	`str \| None`	客户去重指标列。	`None`
`batch_size`	`int`	单批物化和聚合的规则数量。	`100`
`direction`	`RuleDirection`	精确检验使用的风险方向。	`'high_risk'`
`confidence_level`	`float`	Wilson 单侧置信水平。	`0.95`
`compute_statistics`	`bool`	是否计算 Wilson、精确检验和 BH-FDR；关闭时仍保留固定可空列。	`False`

返回：

类型	描述
`MarsRuleEvaluation`	整体表、切片表和运行元数据。

引发：

类型	描述
`ValueError`	缺列、目标非二分类、时间粒度非法或规则引用缺失时抛出。

mars.rule.MarsCombinationRuleGenerator ¶

Bases: MarsRuleGenerator

使用分位点生成单变量和受控交叉规则。

参数：

名称	类型	描述	默认
`n_bins`	`int`	每个特征的目标分位区间数。	`5`
`max_cross_features`	`int`	单条组合规则最多包含的特征数。	`2`
`max_candidates`	`int`	生成器候选上限。	`100000`
`random_state`	`int \| None`	宽表预筛抽样种子。	`None`
`prefilter_single_rules`	`bool`	是否先按样本内 Lift 排序单规则，再生成交叉候选。	`True`
`feature_prefilter_top_k`	`int`	宽表统计预筛最多保留的特征数。	`300`
`feature_prefilter_min_features`	`int`	触发 :class:`MarsStatsSelector` 的数值特征数。	`500`
`feature_prefilter_sample_size`	`int`	统计预筛最大样本数。	`100000`

引发：

类型	描述
`ValueError`	分箱、交叉、候选或特征预筛预算非法时抛出。

generate ¶

generate(
    df: FrameLike,
    *,
    target: str,
    features: Sequence[str] | None = None
) -> List[MarsRule]

生成分位点与交叉规则。

mars.rule.MarsTreeRuleGenerator ¶

Bases: MarsRuleGenerator

从多棵随机浅层决策树提取叶子路径。

每棵树使用确定性中位数填充值和显式缺失指示器训练；提取路径时将缺失分支还原为 IS MISSING，避免训练矩阵与部署命中语义漂移。

generate ¶

generate(
    df: FrameLike,
    *,
    target: str,
    features: Sequence[str] | None = None
) -> List[MarsRule]

训练浅层树并提取可部署路径规则。

mars.rule.MarsForestRuleGenerator ¶

Bases: MarsRuleGenerator

从随机森林叶子路径提取候选规则。

generate ¶

generate(
    df: FrameLike,
    *,
    target: str,
    features: Sequence[str] | None = None
) -> List[MarsRule]

训练随机森林并提取全部叶子路径。

mars.rule.MarsGBDTRuleGenerator ¶

Bases: MarsRuleGenerator

从 sklearn 或 LightGBM GBDT 弱学习器提取规则路径。

generate ¶

generate(
    df: FrameLike,
    *,
    target: str,
    features: Sequence[str] | None = None
) -> List[MarsRule]

训练指定 GBDT 后端并提取路径规则。

mars.rule.MarsIsolationRuleGenerator ¶

Bases: MarsRuleGenerator

从孤立森林异常路径生成无监督候选规则。

generate ¶

generate(
    df: FrameLike,
    *,
    target: str,
    features: Sequence[str] | None = None
) -> List[MarsRule]

训练孤立森林并提取受深度和预算约束的路径。

Rule API¶

mars.rule.mine_rules ¶

mars.rule.MarsRule dataclass ¶

__post_init__ ¶

mars.rule.MarsRuleSet dataclass ¶

required_features property ¶

__post_init__ ¶

transform ¶

to_dict ¶

from_dict classmethod ¶

save_json ¶

load_json classmethod ¶

generate_sql ¶

mars.rule.MarsRuleMetricCondition dataclass ¶

__post_init__ ¶

mars.rule.MarsRuleFilter dataclass ¶

__post_init__ ¶

mars.rule.MarsRuleMiningSpec dataclass ¶

__post_init__ ¶

explore classmethod ¶

production classmethod ¶

low_risk classmethod ¶

to_dict ¶

mars.rule.MarsRuleMiningResult dataclass ¶

analyze ¶

to_report ¶

mars.rule.MarsRuleEvaluation dataclass ¶

mars.rule.MarsRuleAnalysis dataclass ¶

mars.rule.MarsRuleReport dataclass ¶

from_benchmark classmethod ¶

write_excel ¶

write_html ¶

render_html ¶

mars.rule.MarsRuleGenerator ¶

generate abstractmethod ¶

mars.rule.MarsRuleEvaluator ¶

evaluate ¶

mars.rule.MarsCombinationRuleGenerator ¶

generate ¶

mars.rule.MarsTreeRuleGenerator ¶

generate ¶

mars.rule.MarsForestRuleGenerator ¶

generate ¶

mars.rule.MarsGBDTRuleGenerator ¶

generate ¶

mars.rule.MarsIsolationRuleGenerator ¶

generate ¶

mars.rule.MarsRule `dataclass` ¶

mars.rule.MarsRuleSet `dataclass` ¶

required_features `property` ¶

from_dict `classmethod` ¶

load_json `classmethod` ¶

mars.rule.MarsRuleMetricCondition `dataclass` ¶

mars.rule.MarsRuleFilter `dataclass` ¶

mars.rule.MarsRuleMiningSpec `dataclass` ¶

explore `classmethod` ¶

production `classmethod` ¶

low_risk `classmethod` ¶

mars.rule.MarsRuleMiningResult `dataclass` ¶

mars.rule.MarsRuleEvaluation `dataclass` ¶

mars.rule.MarsRuleAnalysis `dataclass` ¶

mars.rule.MarsRuleReport `dataclass` ¶

from_benchmark `classmethod` ¶

generate `abstractmethod` ¶