microsoft/FLAML

Document feature engineering

Open

#1.031 geöffnet am 9. Mai 2023

Auf GitHub ansehen
 (3 Kommentare) (0 Reaktionen) (1 zugewiesene Person)Jupyter Notebook (560 Forks)github user discovery
documentationhelp wanted

Repository-Metriken

Stars
 (4.364 Stars)
PR-Merge-Metriken
 (PR-Metriken ausstehend)

Beschreibung

It seems like FLAML does some auto feature engineering for the user. It would be useful if this was documented so that I know how much or little data preprocessing I need to do before training my model.

Contributor Guide

Research-Richtung
Überprüfen Sie den Quellcode von FLAML und die vorhandene Dokumentation, um die automatischen Feature Engineering Schritte zu identifizieren und zu beschreiben, die FLAML während des Modelltrainings ausführt. Überprüfen Sie den Code im Feature Engineering Modul oder in verwandten Vorverarbeitungsschritten. Geben Sie klare Beispiele und Erklärungen für Benutzer.
Tech Stack
python
Domain
machine learning
Issue Type
Dokumentation
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
1
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Unter 1 Stunde
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
Python
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
90