HashSlap-Summer-of-Code/ml-core

Standardize Dataset Handling Across All ML Modules

Aperta

#11 aperta il 18 giu 2025

Vedi su GitHubGuida contributor
 (0 commenti) (0 reazioni) (0 assegnatari)Jupyter Notebook (11 fork)auto 404
Intermediateenhancementgood first issuehacktoberfesthssoc

Metriche repository

Star
 (3 stelle)
Metriche merge PR
 (Metriche PR in attesa)

Descrizione

Description:
Right now, different subfolders load and process datasets in inconsistent ways. Create a unified, reusable Python module to handle dataset loading and basic preprocessing (e.g., scaling, splitting). This ensures maintainability and reduces repeated code across ML scripts.

Expected Tasks:

  • Create a Python utility (e.g., data_utils.py) with functions like:
    • load_csv(path)
    • train_test_split(X, y, test_size=0.2)
    • standardize(X)
  • Save this file in a utils/ folder.
  • Refactor at least two existing implementations (e.g., KNN and Perceptron) to use this utility.
  • Update documentation in the root README.md and/or affected folders.

Stretch Goal:

  • Add optional support for downloading public datasets (e.g., from UCI or sklearn).

Guida contributor

Direzione di ricerca
Esamina la gestione dei dataset nei moduli KNN e Perceptron, quindi crea un modulo di utilità con funzioni come load csv, train test split e standardize. Salvalo nella cartella utils/ e rifattorizza i moduli esistenti per utilizzarlo.
Tech stack
python
Dominio
machine learningdata
Tipo issue
Refactoring
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
2
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
1-3 ore
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Nuova
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Chiara
Prerequisiti
Python
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
75