Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Topological Data Analysis

Aperta
#73 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
20/100
Tipo di issue
Funzionalità
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
python
Ambito
data

Direzione di ricerca

La issue non indica file, test o punti di ingresso. Inizia esaminando il repository Python per individuare i punti di ingresso per l’analisi delle serie temporali e l’analisi delle correlazioni, quindi esamina i requisiti di TDA e dei diagrammi di persistenza. Done non è definito; l’ambito e i criteri di validazione devono essere concordati prima dell’implementazione.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

future release

An issue that's been raised at prior lab meetings is that correlation matrices (and higher order correlation matrices) fundamentally characterize pairs of interactions (or pairs of pairs of interactions, etc.)

Topological Data Analysis (TDA) may be a principled way of formally looking at triplet, quadruplet, etc. interactions. The fundamental characterization of patterns of interactions is the persistence diagram, which reflects how units interact on different scales (e.g. 1, 2, 3, 4, etc. interacting units).

We could use TDA to create persistence diagrams for each "level" at each moment, and that may provide insights into these multi-feature (beyond pair) interactions over time.

Lingua principale
Python
Stelle
41
Fork
12
Metriche di merge delle PR
Nessuna PR unita negli ultimi 30g

Preparare l'ambiente

Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di ContextLab/timecorr

Tutte le issue di ContextLab/timecorr

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.