Feature Requests

Aperta
#54 3 commenti 1 reazione 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
15/100
Tipo di issue
Funzionalità
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
julia

Direzione di ricerca

La issue è un ampio elenco di sette possibili aggiunte, tra cui la selezione di sottoinsiemi, relaxed Lasso, le interazioni, le penalizzazioni non convesse, la regressione stepwise e gli ensemble. Inizia scegliendo una richiesta e rivedendo i pacchetti e gli articoli Julia referenziati; il lavoro sarà completato solo quando un singolo modello circoscritto sarà integrato in MLJLinearModels con test e documentazione concordati.

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

Descrizione

@tlienart

  1. All Subset (Best K Subset):
    I've got parsimonious code for All Subset Regression which might have a nice home in this package that I'd like to share.
    While it's much faster than R's Leaps pkg, I would include a strong warning to users:
    This optimization problem is sooo not convex. Avoid for p>20.

  2. Approximate All Subset (MIO):
    As you probably know,
    Bertsimas etal (2016): show how to use MIO to approximately train all subset regression for p =1000 in minutes.
    Bertsimas et al (2019): do this for p=100k in minutes.
    The corresponding Julia package is SubsetSelection.jl.
    Also see forthcoming Julia package MIP-Boost.
    It would be really awesome if these linear models were featured in MLJ.

  3. Relaxed Lasso:
    Hastie et al 2017: responded that relaxed Lasso matches Lasso in low-SNR scenarios & beats All Subset in high-SNR scenarios
    glmnet: now features "relaxed Lasso"
    Would this be difficult to add to MLJLinearModels? (maybe we can work on it together?)

  4. Linear Interactions:
    There are some cool new packages for interactions in linear models.
    I find these compare in out-of-sample fit w/ non-linear models (xgboost etc, no joke)
    R: sprintr & HierNet
    Python: HierScale

  5. Nonconvex penalties (MCP SCAD):
    https://github.com/joshday/SparseRegression.jl/blob/master/README.md

  6. Forward selection/stepwise regression:
    (stackoverflow, has Julia code)
    Textbook code

  7. Ensembles of Penalized Linear Models:
    Christidis et al 2019: Paper, old code EnsembleEN, new code SplitReg

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

  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 JuliaAI/MLJLinearModels.jl

Tutte le issue di JuliaAI/MLJLinearModels.jl

Issue simili

Altre issue su Julia

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.