awslabs/gluonts

Using dynamic categorical features in NN models

Open

#392 geöffnet am 15. Okt. 2019

Auf GitHub ansehen
 (6 Kommentare) (2 Reaktionen) (0 zugewiesene Personen)Python (753 Forks)batch import
enhancementgood first issuehelp wanted

Repository-Metriken

Stars
 (3.888 Stars)
PR-Merge-Metriken
 (Keine gemergten PRs in 30 T)

Beschreibung

GluonTS allows to work with dynamic categorical features, but there is no way to use them in most of the NN models (e.g. DeepAR, Transformer, etc.)

They can be incorporated by applying embeddings and concatenating them with other dynamic features. Does it make sense to modify DeepAR and other models with this change, or is it better to stick with the current implementation and to write new model implementations that will use dynamic categorical features?

Contributor Guide

Research-Richtung
Untersuche, wie dynamische kategoriale Merkmale derzeit in GluonTS behandelt werden (z. B. in DeepAR und Transformer Modellen). Schlage vor, eine Embedding Schicht für kategoriale Merkmale hinzuzufügen und sie mit bestehenden dynamischen Merkmalen zu verketten. Besprich mit den Maintainern, ob bestehende Modelle geändert oder neue erstellt werden sollen. Überprüfe den Modellcode in src/gluonts/model/ auf relevante Dateien.
Tech Stack
pythonpytorch
Domain
machine learningdata
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.
1-2 Tage
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.
Meist klar
Voraussetzungen
GluonTS basicsNeural network fundamentalsEmbedding layers
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
40