Example usage
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 2/5
- Tempo stimato
- 1-3 ore
- Idoneità per principianti
- 25/100
- Tipo di issue
- Documentazione
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- julia
- Ambito
- documentation
Direzione di ricerca
Inizia esaminando l’esempio Julia nel corpo della issue, incluse le funzioni elastic_net_logistic_regression, train e generate_predictions. Chiarisci dove dovrebbe essere documentato questo esempio e quali modifiche sono richieste; il lavoro sarà considerato completato quando l’esempio d’uso concordato sarà aggiunto o rivisto in quella posizione.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
`
using DelimitedFiles
using MLJLinearModels
#############################################
'''
wrapper for the logistic regression function with elastic
net penalty provided by MLJLinearModels
'''
#############################################
function elastic_net_logistic_regression(Z::Matrix{Float64},
y::Vector{Float64},
λ::Float64 = 1.0,
α::Float64 = 0.0)
model = LogisticRegression(λ, α, penalty=:en)
return MLJLinearModels.fit(model, Z, y)
end
#############################################
'''
as MLJLinearModels require the labels to be +1, -1 instead
of 0, +1, the following code will read the data and the
labels (0, +1). Then it shall convert the labels to +1, -1
'''
#############################################
M = readdlm("train_data.txt", Float64)
n, m = size(M)
X = Matrix(M[1:n,1:m-1])
y = M[1:end,m:end][:]
z = copy(y) # z shall be the vector of labels
for i = 1:n
if y[i] == 0.0
z[i] = -1.0
end
end
#############################################
'''
compute the parameter vector on the training data
'''
#############################################
function train(X, y)
m, n = size(X)
β_bar = elastic_net_logistic_regression(X, y, 0.0, 0.0)[1:n] # ignore the intercept
return β_bar
end
#############################################
'''
make predictions after training
'''
#############################################
function generate_predictions(X, β)
n, m = size(X)
pred_y = zeros(n)
for i = 1:n
p = sigmoid(X[i,:], β)
if isinf(p)
println("error. sigmoid returned Inf")
end
if p >= 0.5
pred_y[i] = 1.0
else
pred_y[i] = -1.0
end
end
return pred_y
end
`
- 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 ·