More sophisticated example of learning networks
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 30/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bastante claro
- Estado de actividad
- Estancado
- Stack tecnológico
- julia
Línea de trabajo
Comienza con el ejemplo de learning network de Julia incluido en el issue, incluidos Standardizer, UnivariateBoxCoxTransformer, RidgeRegressor, DecisionTreeRegressor, hcat y LinearRegressor. Reproduce el error reportado en el nodo R y determina qué impide hacer el fitting. Se considera completado cuando el ejemplo más sofisticado está documentado y se ejecuta sin el MethodError mostrado.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
@ablaom it would be nice to have a quick example of something that can't be done with a pipeline; I was thinking something like
L1 : standardizer and boxcox
L2 : Ridge and DTR
L3 : hcat and feed to a LinearRegressor
It should look something like this
W = X |> Standardizer()
z = y |> UnivariateBoxCoxTransformer()
ẑ₁ = (W, z) |> RidgeRegressor()
ẑ₂ = (W, z) |> DecisionTreeRegressor()
R = hcat(ẑ₁, ẑ₂)
ẑ = (R, z) |> LinearRegressor()
ŷ = ẑ |> inverse_transform(z)
but it looks like there's an issue with fitting the R node, could you comment on it?
ERROR: MethodError: no method matching ridge(::Array{Any,2}, ::Array{Float64,1}, ::Float64)
- Lenguaje dominante
- ReScript
- Estrellas
- 126
- Forks
- 19
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de JuliaAI/DataScienceTutorials.jl
-
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
JuliaAI/DataScienceTutorials.jl#239 · 5 comentarios ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 42/100
JuliaAI/DataScienceTutorials.jl#229 · 1 comentario · 1 reacción ·
-
tutorial organization
Dificultad 3/5 1-2 días Aptitud para principiantes 35/100
JuliaAI/DataScienceTutorials.jl#228 · 2 comentarios ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 45/100
-
testing
Dificultad 3/5 1-2 días Aptitud para principiantes 45/100
Todos los issues de JuliaAI/DataScienceTutorials.jl
Issues similares
-
C-bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 2 días
-
第二章思考题 8：Skill 追加到末尾不必每轮重新计算 KVAbierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 88/100
bojieli/ai-agent-book#1169 ·
Los mantenedores suelen responder en 1 día
-
feedback simulation workshop
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
githubnext/gh-aw-workshop#4216 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
ehmpathy/rhachet-roles-bhrain#572 ·
Los mantenedores suelen responder en 1 día
-
sync-en
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
Los mantenedores suelen responder en 1 día