Per-label classifier

Repository-Metriken

Stars

4.574 Sterne (4.574 Sterne)

PR-Merge-Metriken

Durchschn. Merge 47T 6h (Durchschn. Merge 47T 6h)46 gemergte PRs in 30 T (46 gemergte PRs in 30 T)

Beschreibung

Contributor Guide

Research-Richtung

Studieren Sie den MultiOutputClassifier von scikit learn, um das Muster zu verstehen, und implementieren Sie dann einen pro Label Klassifikator Wrapper für Online Lernen in river, der den vorhandenen Basisklassen und API Konventionen folgt.

Tech Stack

python

Domain

machine learning

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.

Halber Tag

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

Pythonscikit learnriver

EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.

50