Scikitlearn clustering methods cleanup
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 35/100
- Tipo di issue
- Refactoring
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- julia, scikit-learn
- Ambito
- machine-learning
Direzione di ricerca
La issue riguarda i wrapper di clustering di scikit-learn, in particolare DBSCAN, e confronta il loro comportamento di transform e la separazione fitted_params/report con KMeans e KMedoids di Clustering.jl. Inizia esaminando questi wrapper e le interfacce dei modelli citate; il lavoro è completo quando i metodi di clustering espongono in modo coerente i transforms supportati e separano i parametri appresi dalle informazioni del report.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
I think these methods could do with a review. Here are a few things that look like issues to me:
-
Some models do not implement a transform method (presumably because python scikit-learn does not) but could, no? Example: DBSCAN
-
Recall that MLJ makes a distinction between
reportandfitted_params: the latter is for the learned parameters (in this case what is needed to assign a new observation to a class), and everything else goes inreport. It seems that in the scikitlearn clustering wraps everything is just lumped intofitted_params. In particular this has led to inconsistency with the Clustering.jl models KMeans and KMedoids (which separate things correctly, as far as I can tell).
cc: @tlienart
- Lingua principale
- Julia
- Stelle
- 14
- Fork
- 8
- 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/MLJScikitLearnInterface.jl
-
enhancement
Difficoltà 3/5 1-2 giorni Idoneità per principianti 48/100
JuliaAI/MLJScikitLearnInterface.jl#74 · 1 commento ·
-
enhancement next breaking release
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
JuliaAI/MLJScikitLearnInterface.jl#47 · 1 commento ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
JuliaAI/MLJScikitLearnInterface.jl#46 · 3 commenti ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
Tutte le issue di JuliaAI/MLJScikitLearnInterface.jl
Issue simili
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 85/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 83/100
JuliaGenAI/HuggingFaceDatasets.jl#96 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 83/100
I maintainer di solito rispondono entro 1 giorno
-
enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100