QuantEcon/QuantEcon.jl

random_stochastic_matrix and random_markov_chain support sparse output

Open

#102 geöffnet am 17. März 2016

Auf GitHub ansehen
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Julia (300 Forks)batch import
enhancementhelp wanted

Repository-Metriken

Stars
 (495 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 1T 1h) (2 gemergte PRs in 30 T)

Beschreibung

This might look like this:

random_markov_chain{T}(n::Int, k::Int=n, ::Type{Matrix{T}})  # ==> return dense array
random_markov_chain{T}(n::Int, k::Int=n, ::Type{SparseMatrixCSC{Int,T}})  # ==> return sparse array

Also, having Union{Int,Void} shouldn't be necessary here as it is in python because default arguments can depend on one another. (e.g. def f(n, k=n): is n't possible in python but function f(n, k=n) is possible in Julia)

Contributor Guide

Research-Richtung
Implementieren Sie eine neue Methode für `random markov chain` (und analog für `random stochastic matrix`), die einen Typparameter für die Ausgabe als dünnbesetzte Matrix akzeptiert und `sparse` aus dem eingebauten Paket verwendet, um eine dünnbesetzte Matrix zu erstellen.
Tech Stack
julia
Domain
backend
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-3 Stunden
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Veraltet
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
JuliaGit
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
75