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

meta-issue: frameless-ml

Abierto
  • ¿Algo no está bien?
#215 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
5/5
Tiempo estimado
Más de una semana
Aptitud para principiantes
20/100
Tipo de issue
Nueva funcionalidad
Claridad
Necesita aclaración
Estado de actividad
Estancado
Stack tecnológico
scala, spark
Área
machine-learning

Línea de trabajo

Comienza con la guía de Spark ML enlazada en el issue y elige una abstracción, transformer, estimator o evaluator que no esté marcada. El issue no menciona archivos, pruebas ni puntos de entrada, así que primero localiza las implementaciones tipadas existentes de los elementos completados y su estructura de pruebas. Se considera terminado implementar el equivalente seleccionado de Spark ML y actualizar esta lista de comprobación.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

beginner friendly help wanted

Meta-issue to list what has been done in frameless-ml and what remains to be done.

Spark ML docs: https://spark.apache.org/docs/latest/ml-guide.html

Abstractions

  • TypedTransformer, the type-safe equivalent of Spark ML Transformer
  • TypedEstimator, the type-safe equivalent of Spark ML Estimator
  • TypedPipeline, the type-safe equivalent of Spark ML Pipeline
  • TypedEvaluator, the type-safe equivalent of Spark ML Evaluator

Typed transformers

  • TF-IDF
  • Word2Vec
  • CountVectorizer
  • Tokenizer
  • StopWordsRemover
  • nn-gram
  • Binarizer
  • PCA
  • PolynomialExpansion
  • Discrete Cosine Transform (DCT)
  • StringIndexer
  • IndexToString
  • OneHotEncoder
  • VectorIndexer
  • Interaction
  • Normalizer
  • StandardScaler
  • MinMaxScaler
  • MaxAbsScaler
  • Bucketizer
  • ElementwiseProduct
  • SQLTransformer
  • VectorAssembler
  • QuantileDiscretizer
  • Imputer
  • Feature Selectors
  • VectorSlicer
  • RFormula
  • ChiSqSelector
  • Locality Sensitive Hashing
  • LSH Operations
  • Approximate Similarity Join
  • Approximate Nearest Neighbor Search
  • LSH Algorithms
  • Bucketed Random Projection for Euclidean Distance
  • MinHash for Jaccard Distance

Typed estimators

  • Binomial logistic regression
  • Multinomial logistic regression
  • Decision tree classifier
  • Random forest classifier
  • Gradient-boosted tree classifier
  • Multilayer perceptron classifier
  • Linear Support Vector Machine
  • One-vs-Rest classifier (a.k.a. One-vs-All)
  • Naive Bayes
  • Linear regression
  • Generalized linear regression
  • Available families
  • Decision tree regression
  • Random forest regression
  • Gradient-boosted tree regression
  • Survival regression
  • Isotonic regression
  • K-means
  • Latent Dirichlet allocation (LDA)
  • Bisecting k-means
  • Gaussian Mixture Model (GMM)
  • ALS
  • FP-Growth
  • CrossValidator
  • TrainValidationSplit

Typed evaluators

  • RegressionEvaluator
  • BinaryClassificationEvaluator
  • MulticlassClassificationEvaluator
Lenguaje dominante
Scala
Estrellas
897
Forks
135
Sin PR fusionados en 30 d

Preparar el entorno

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 typelevel/frameless

Todos los issues de typelevel/frameless

Issues similares

Más issues de Scala

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.