API to construct MLJ-proper model from standalone model
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 3/5
- Tiempo estimado
- 1-2 días
- Aptitud para principiantes
- 42/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bastante claro
- Estado de actividad
- Estancado
- Stack tecnológico
- julia
- Área
- machine-learning
Línea de trabajo
Comienza rastreando las definiciones y los constructores de ElasticNetRegression y ElasticNetRegressor; después, inspecciona cómo se convierten las instancias de modelos independientes en modelos propios de MLJ. El trabajo estará terminado cuando ElasticNetRegressor(enet) acepte la instancia de ElasticNetRegression mostrada y conserve la configuración esperada del modelo.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
julia> enet = ElasticNetRegression()
GeneralizedLinearRegression{L2Loss, CompositePenalty}
loss: L2Loss L2Loss()
penalty: CompositePenalty
fit_intercept: Bool true
penalize_intercept: Bool false
scale_penalty_with_samples: Bool true
julia> ElasticNetRegressor(enet)
ERROR: MethodError: no method matching ElasticNetRegressor(::GeneralizedLinearRegression{L2Loss, CompositePenalty})
- Lenguaje dominante
- Julia
- Estrellas
- 86
- Forks
- 16
- 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/MLJLinearModels.jl
-
Dificultad 3/5 1-2 días Aptitud para principiantes 78/100
JuliaAI/MLJLinearModels.jl#187 · 1 reacción ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 58/100
JuliaAI/MLJLinearModels.jl#180 ·
-
help wanted
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
JuliaAI/MLJLinearModels.jl#163 · 4 comentarios ·
-
Warning: f_tol is deprecated.Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 45/100
JuliaAI/MLJLinearModels.jl#160 · 1 comentario ·
-
multiobjective OLSAbierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
JuliaAI/MLJLinearModels.jl#157 ·
Todos los issues de JuliaAI/MLJLinearModels.jl
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 79/100
Sienna-Platform/PowerSimulations.jl#1737 ·
Los mantenedores suelen responder en 4 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
FluxML/Optimisers.jl#254 ·
-
Minor: floodplain warning percentage, scalar output error message and a never-true identity checkAbiertobug
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
JuliaAI/MLJTransforms.jl#101 ·
Los mantenedores suelen responder en 1 día
-
@contents blocks fail to render on Julia 1.14Posiblemente ocupada @sbfnk la tomó hace 1 día. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
LuxDL/DocumenterVitepress.jl#410 ·