More sophisticated example of learning networks
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 4/5
- Geschätzter Aufwand
- 3-5 Tage
- Anfängerfreundlichkeit
- 30/100
- Issue-Typ
- Feature
- Klarheit
- Größtenteils klar
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- julia
- Bereich
- documentation, machine-learning
Rechercherichtung
Beginne mit dem Julia-Learning-Network-Beispiel aus dem Issue, einschließlich Standardizer, UnivariateBoxCoxTransformer, RidgeRegressor, DecisionTreeRegressor, hcat und LinearRegressor. Reproduziere den gemeldeten Fehler am R-Knoten und ermittle, was das Fitting verhindert. Als abgeschlossen gilt die Aufgabe, wenn das anspruchsvollere Beispiel dokumentiert ist und ohne den gezeigten MethodError ausgeführt wird.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
@ablaom it would be nice to have a quick example of something that can't be done with a pipeline; I was thinking something like
L1 : standardizer and boxcox
L2 : Ridge and DTR
L3 : hcat and feed to a LinearRegressor
It should look something like this
W = X |> Standardizer()
z = y |> UnivariateBoxCoxTransformer()
ẑ₁ = (W, z) |> RidgeRegressor()
ẑ₂ = (W, z) |> DecisionTreeRegressor()
R = hcat(ẑ₁, ẑ₂)
ẑ = (R, z) |> LinearRegressor()
ŷ = ẑ |> inverse_transform(z)
but it looks like there's an issue with fitting the R node, could you comment on it?
ERROR: MethodError: no method matching ridge(::Array{Any,2}, ::Array{Float64,1}, ::Float64)
- 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 4/5 3-5 Tage Anfängerfreundlichkeit 25/100
JuliaAI/DataScienceTutorials.jl#239 · 5 Kommentare ·
-
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
Alle Issues in JuliaAI/DataScienceTutorials.jl
Ähnliche Issues
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 75/100
alphagov/govuk-frontend-docs#668 ·
Maintainer antworten meist innerhalb von 2 Tagen
-
documentation
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
-
lesson-submission needs-ac pending-review
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 64/100
Ikalus1988/MisakaNet#2868 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 95/100
bancolombia/scaffold-clean-architecture#1001 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
navikt/esyfo-narmesteleder#615 ·
Maintainer antworten meist innerhalb von 1 Tag