yzhao062/pyod

Support for KDE

Open

#301 geöffnet am 1. Mai 2021

Auf GitHub ansehen
 (3 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (1.308 Forks)batch import
help wanted

Repository-Metriken

Stars
 (7.762 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 4T 17h) (14 gemergte PRs in 30 T)

Beschreibung

Is there any support for KDE (Kernel Density Estimation) based outlier detection planned?

Contributor Guide

Research-Richtung
Das Issue fordert die Hinzufügung einer auf Kernel Density Estimation (KDE) basierenden Ausreißererkennung zu pyod. Zur Implementierung sollten zunächst bestehende KDE Implementierungen in scikit learn (sklearn.neighbors.KernelDensity) überprüft und verstanden werden, wie Ausreißerwerte aus Dichteschätzungen abgeleitet werden können. Überprüfen Sie die pyod Basisklassenstruktur und vorhandene Integrationsmuster von Detektoren wie ABOD oder LOF. Da keine weiteren Details angegeben sind, erwägen Sie, die gewünschte Schnittstelle in den Issue Kommentaren zu besprechen, um sie mit den Erwartungen des Maintainers abzustimmen.
Tech Stack
python
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.
Frisch
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
Pythonoutlier detection basicsnumpy/scipy
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
30