TheAlgorithms/Python

Implement XGBoost classification and regression algorithms

Open

#8 067 ouverte le 1 janv. 2023

Voir sur GitHub
 (4 commentaires) (0 réactions) (0 assignés)Python (50 629 forks)batch import
enhancementhelp wanted

Métriques du dépôt

Stars
 (221 055 stars)
Métriques de merge PR
 (Merge moyen 70j 10h) (6 PRs mergées en 30 j)

Description

Feature description

machine_learning/xgboost_classifier.py and machine_learning/xgboost_regressor.py are how-tos since they both just use an existing library for the actual ML algorithms.

My understanding is that #7106 and #7107 were merged (not without difficulty) and the author was warned not to contribute such how-tos in the future. However, I think these algorithms should still be implemented at some point if the files are to remain in the repo, so I thought I should open an issue to bring some attention to it.

If anyone wants to implement either of these two algorithms (as in not relying on an existing library for the bulk of the algorithm), feel free to just open a PR—no need to request an assignment.

Guide contributeur

Direction de recherche
Implémentez le gradient boosting XGBoost from scratch : construisez des arbres de décision avec échantillonnage pondéré, calculez les gradients et les hessiennes, ajoutez de la régularisation, et gérez les objectifs de classification/régression sans utiliser de bibliothèques ML existantes.
Stack technique
python
Domaine
machine learning
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
4
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
3-5 jours
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Active
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
PythonMachine Learning basicsGradient Boosting theory
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
30