Multivariate Polynomial Regression
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- 3-5 Tage
- Anfängerfreundlichkeit
- 25/100
- Issue-Typ
- Dokumentation
- Klarheit
- Muss geklärt werden
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- julia, scikit-learn
- Bereich
- documentation, machine-learning
Rechercherichtung
Beginne damit, das vorhandene Regressionstutorial zu lesen, und vergleiche die im Issue referenzierten Ansätze MLJLinearModels und SKLearnMLJ. Bestimme, ob der angeforderte Workflow in das Tutorial gehört und welcher unterstützte Julia-Weg dokumentiert werden sollte. Als erledigt gilt die Aufgabe, wenn ein von einem Maintainer genehmigtes, reproduzierbares Beispiel für multivariate polynomiale Regression oder eine klare Erklärung des unterstützten Ansatzes vorliegt.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
The tutorial is great, but here's where I'm at a loss: if I have multiple independent variables that I want to consider in the regression, how can I do that in a way that's similar to sklearns PolynomialFeatures: https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html#sklearn.preprocessing.PolynomialFeatures
I've been using MLJLinearModels.jl where applicable, but would it be better to just sub-in the SKLearnMLJ interface?
If there's a way to do it that easily builds off of the tutorial and I've just missed that, pointing me in the right direction is also appreciated.
- Vorherrschende Sprache
- ReScript
- Sterne
- 126
- Forks
- 19
- PR-Merge-Kennzahlen
- Keine gemergten PRs in 30 T.
Entwicklungsumgebung
Dieses Projekt bietet weder Dev-Container noch Dockerfile noch Beitragsleitfaden – die Einrichtung liegt bei Ihnen. Beginnen Sie mit der README; die allgemeinen Schritte stehen in unserem Leitfaden für den ersten Beitrag.
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus JuliaAI/DataScienceTutorials.jl
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 42/100
JuliaAI/DataScienceTutorials.jl#229 · 1 Kommentar · 1 Reaktion ·
-
tutorial organization
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 35/100
JuliaAI/DataScienceTutorials.jl#228 · 2 Kommentare ·
-
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 45/100
-
testing
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 45/100
-
concrete tutorial proposal
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 35/100
JuliaAI/DataScienceTutorials.jl#153 · 2 Kommentare · 1 Reaktion ·
Alle Issues in JuliaAI/DataScienceTutorials.jl
Ähnliche Issues
-
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 90/100
-
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 78/100
pyca/verified-garbage#1023 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 68/100
quickemu-project/quickemu#1960 ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 84/100
-
area/docs
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 88/100
Maintainer antworten meist innerhalb von 1 Tag