How to extract only a subset of features?
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 28/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- python
- Área
- machine-learning
Línea de trabajo
Comienza rastreando cómo el código fuente selecciona y calcula el conjunto de características ComParE-2016 y, después, inspecciona cómo se especifican los archivos de configuración. Determina en qué punto podría entrar un subconjunto custom_feature_ls en ese flujo; se considera terminado cuando se acepta el subconjunto solicitado y solo se calculan esas características.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Hello,
My problem is I want to start with, say, the ComParE-2016 features, but instead of actually computing all 6373 of them at once, pass in a list of strings custom_feature_ls which are a subset of the full feature list, and only actually perform the computation of these specific features. I haven't seen any direct support for this in the source code, nor can I quite figure out how to specify a config file to do this. Thanks!
- Lenguaje dominante
- BitBake
- Estrellas
- 334
- Forks
- 42
- Merge medio
- 57 min
- PR fusionados (30 d)
- 2
Guía de contribución
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 audeering/opensmile-python
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
audeering/opensmile-python#133 ·
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 45/100
audeering/opensmile-python#131 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
audeering/opensmile-python#123 ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 35/100
audeering/opensmile-python#122 ·
-
formant bandwidths seem too high Abierto
Dificultad 4/5 3-5 días Aptitud para principiantes 25/100
audeering/opensmile-python#110 ·
Todos los issues de audeering/opensmile-python
Issues similares
-
bug good first issue multicut serialization
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
-
feat(dictionary): add benign in-frame MUC1 events so benchmarks can score benign-event specificity Abiertoenhancement
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
berntpopp/MucOneSpan#69 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
stanfordnlp/dspy#10485 ·
-
Mnist Web Inference error Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 90/100