Add clustering methods to the test learners
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 3/5
- Temps estimé
- 1-2 jours
- Accessibilité débutants
- 52/100
- Type d'issue
- Fonctionnalité
- Clarté
- Plutôt claire
- Activité
- À l'abandon
- Stack technique
- julia
- Domaine
- machine-learning, testing-qa
Piste de recherche
Commencez par localiser les learners de test existants et leurs implémentations de predict, puis comparez la manière dont fit et predict sont exposés. Ajoutez un learner de clustering qui se généralise à de nouvelles données et un autre qui ne le fait pas, implémentez l’interface predict combinée demandée pour les deux, et montrez l’interface dans leurs docstrings.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
Include one example of that generalizes to new data, and one that doesn't, and implement predict(learner, ::LabelAmbiguous, X) ("fit" and "predict" in one call) in both cases to give a common predict interface, and show this in the doc-strings.
- Langage dominant
- Julia
- Étoiles
- 0
- Forks
- 0
- Métriques de merge des PR
- Aucune PR mergée en 30 j
Préparer son environnement
Ce projet ne fournit ni conteneur de développement, ni Dockerfile, ni guide de contribution : l'installation est à votre charge. Commencez par son README, et consultez notre guide de la première contribution pour les étapes générales.
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Issues similaires
-
Add DocStringExtensionsOuvertedocumentation
Difficulté 2/5 1-3 heures Accessibilité débutants 62/100
ohno/Antique.jl#165 ·
-
Difficulté 2/5 1-3 heures Accessibilité débutants 62/100
-
Difficulté 2/5 1-3 heures Accessibilité débutants 68/100
grame-cncm/faust#1344 · 1 commentaire ·
Les mainteneurs répondent en général sous 1 jour
-
Difficulté 2/5 1-3 heures Accessibilité débutants 70/100
SciML/DiffEqNoiseProcess.jl#342 ·
-
Broken links in the docsOuverte
Difficulté 1/5 Moins d'une heure Accessibilité débutants 88/100