Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

Interfacing with Sklearn supervised models

Abierto
  • ¿Algo no está bien?
#73 3 comentarios 1 reacción 1 asignado Ver en GitHub

@tlienart ya está trabajando en esto.

Desde el 17/9/2019.

Evaluación

Este issue todavía no se ha evaluado.

Descripción

This issue is more to keep track of things than to ask for help

https://scikit-learn.org/stable/modules/classes.html

Supervised models

Dummy models
? Name Has predict_proba? comment
✅ DummyClassifier yes
✅ DummyRegressor no
Generalized Linear Models

https://scikit-learn.org/stable/modules/classes.html#module-sklearn.linear_model

? Name Has predict_proba? comment
✅ ARDRegression no
✅ BayesianRidge no
✅ ElasticNet no 1
✅ ElasticNetCV no 1
✅ HuberRegressor no
✅ Lars no 1
✅ LarsCV no 1
✅ Lasso no 1
✅ LassoCV no 1
✅ LassoLars no 1
✅ LassoLarsCV no 1
✅ LassoLarsIC no 1
✅ LinearRegression no
✅ LogisticRegression yes 2
✅ LogisticRegressionCV yes 2
✅ MultiTaskLasso no 1
✅ MultiTaskElasticNet no 1
✅ MultiTaskLassoCV no 1
✅ MultiTaskElasticNetCV no 1
✅ OrthogonalMatchingPursuit no
✅ OrthogonalMatchingPursuitCV no
✅ PassiveAggressiveClassifier no
✅ PassiveAggressiveRegressor no
✅ Perceptron no
✅ RANSACRegressor no
✅ Ridge no
✅ RidgeClassifier no
✅ RidgeClassifierCV no
✅ RidgeCV no
✅ SGDClassifier yes
✅ SGDRegressor no
✅ TheilSenRegressor no
  1. could extract path
  2. there's also predict_log_proba which we may want to interface with (?)
Gaussian Processes
? Name Has predict_proba? comment
✅ GPClassifier yes
✅ GPRegressor no
Ensemble models
? Name Has predict_proba? comment
✅ AdaboostClassif yes
✅ AdaboostReg no
✅ BaggingClassif yes
✅ BaggingReg no
✅ ExtraTreesClassif yes
✅ ExtraTreesReg no
✅ GDBClassif yes
✅ GDBReg no
✅ RFClassif yes
✅ RFReg no
❌ VotingClassif no
❌ VotingReg no
❌ HGBClassif yes experimental
❌ HGBReg no experimental
Simple models
? Name Has predict_proba? comment
✅ BernoulliNB yes
✅ GaussianNB yes
✅ MultinomialNB yes
✅ ComplementNB yes
✅ KNeighborsClassifier yes
✅ KNeighborsRegressor no
❌ RadiusNeighborsClassifier no
❌ RadiusNeighborsRegressor no
❌ NearestCentroid (classif) no
NNs
? Name Has predict_proba? comment
❌ MLPClassifier yes
❌ MLPRegressor no
SVMs
? Name Has predict_proba? comment
✅ LinearSVC no
✅ LinearSVR no
✅ NuSVC no
✅ NuSVR no
✅ SVC no
✅ SVR no
Exotic models
? Name Has predict_proba? comment
❌ IsotonicRegression no
❌ KernelRidgeRegression no
❌ BayesianGaussianMixture yes
❌ GaussianMixture yes
❌ CalibratedClassifierCV yes
Lenguaje dominante
Julia
Estrellas
14
Forks
8
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

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de JuliaAI/MLJScikitLearnInterface.jl

Todos los issues de JuliaAI/MLJScikitLearnInterface.jl

Issues similares

Más issues de Julia

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.