Use AverageLoss
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 20/100
- Tipo di issue
- Refactoring
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- julia
- Ambito
- machine-learning
Direzione di ricerca
Inizia leggendo l’issue 109 e la pull request indicata, quindi esamina il dispatch di _solver e _fit menzionato qui. Confronta il wrapper AverageLoss proposto con l’implementazione attuale e determina se le restrizioni sui tipi possono essere rimosse o sostituite con traits. L’issue non definisce un’implementazione stabilita né criteri di completamento.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
By the way, when I started working on this PR I considered for a moment an alternative implementation with a wrapper
struct AverageLoss{L} <: Loss
loss::L
end
(al::AverageLoss)(x::AVR, y::AVR) = al.loss(x, y)/length(y)
I found this pretty neat, but it would have required some major refactoring, mostly because of the parametric dispatch on glr for _solver, _fit etc. Are all these type restrictions really needed? Or could one get rid of them, maybe with a few traits?
But I am also fine with the current implementation. Please feel free to merge whenever you feel this PR is ready.
Originally posted by @jbrea in https://github.com/JuliaAI/MLJLinearModels.jl/issues/109#issuecomment-1004035779
- Lingua principale
- Julia
- Stelle
- 86
- Fork
- 16
- 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
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di JuliaAI/MLJLinearModels.jl
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 78/100
JuliaAI/MLJLinearModels.jl#187 · 1 reazione ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 58/100
JuliaAI/MLJLinearModels.jl#180 ·
-
help wanted
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
JuliaAI/MLJLinearModels.jl#163 · 4 commenti ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 45/100
JuliaAI/MLJLinearModels.jl#160 · 1 commento ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 42/100
JuliaAI/MLJLinearModels.jl#159 · 3 commenti ·
Tutte le issue di JuliaAI/MLJLinearModels.jl
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 79/100
Sienna-Platform/PowerSimulations.jl#1737 ·
I maintainer di solito rispondono entro 4 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
FluxML/Optimisers.jl#254 ·
-
Minor: floodplain warning percentage, scalar output error message and a never-true identity checkApertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
JuliaAI/MLJTransforms.jl#101 ·
I maintainer di solito rispondono entro 1 giorno
-
@contents blocks fail to render on Julia 1.14Forse già presa @sbfnk l’ha presa 1 giorno fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
LuxDL/DocumenterVitepress.jl#410 ·