Return a result even when MetricMDS does not converge
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 35/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bastante claro
- Estado de actividad
- Estancado
- Stack tecnológico
- julia
- Área
- data, machine-learning
Línea de trabajo
Comienza localizando los puntos de entrada del ajuste de MetricMDS, ICA y PPCA, así como el manejo de ConvergenceException. Determina cómo debería una opción de convergencia opt-out conservar el comportamiento predeterminado actual y añade cobertura que muestre que los ajustes que no convergen pueden devolver un modelo, mientras que los ajustes predeterminados siguen lanzando la excepción.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Three algorithms can throw a ConvergenceException: MetricMDS, ICA and PPCA. The exception contains information about the convergence criteria and how they are unrealized, without returning an actual model.
While this is the desired default behavior, it would be nice to have the option to opt out of the exception and return a model even if the convergence criteria are not met.
An application would be a repeated fit of such a model on different datasets, where the actual convergence is not as important for some individual datasets as the successful execution of the fit. The only options right now are to either exclude such a dataset or set individual convergence criteria, which is quite cumbersome.
- Lenguaje dominante
- Julia
- Estrellas
- 387
- Forks
- 83
- 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 JuliaStats/MultivariateStats.jl
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
-
tagbot-manual
Dificultad 2/5 1-3 horas Aptitud para principiantes 35/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 35/100
JuliaStats/MultivariateStats.jl#238 · 1 comentario ·
-
MDS: supply Gram matrix directlyAbierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 30/100
-
How to use MetricMDSAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 35/100
JuliaStats/MultivariateStats.jl#231 · 2 comentarios ·
Todos los issues de JuliaStats/MultivariateStats.jl
Issues similares
-
lux
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
JuliaGraphs/GraphNeuralNetworks.jl#732 ·
Los mantenedores suelen responder en 2 días
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
Los mantenedores suelen responder en 1 día
-
erfinv(::Float16) and erfcinv(::Float16) are wrong for abs(x) <= 0.75 (erfinv(Float16(0)) == 0.2201)Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
JuliaMath/SpecialFunctions.jl#571 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 74/100