Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

RFC: Unified API

Aperta
  • Qualcosa non va?
#109 7 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
25/100
Tipo di issue
Refactoring
Chiarezza
Da chiarire
Stato di attività
Ferma
Stack tecnologico
julia
Ambito
machine-learning

Direzione di ricerca

Esamina i modelli CCA, WHT, ICA, LDA, FA, PPCA, PCA, KPCA e MDS esistenti insieme alle funzioni elencate, come fit, transform, projection, reconstruct e loadings. Confronta le loro interfacce attuali con la gerarchia proposta RegressionModel, AbstractDimensionalityReduction e AbstractDataTransform. Il lavoro è completo quando il design dell’API è concordato e le interfacce dei modelli interessati e i metodi mancanti sono definiti in modo coerente.

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

Descrizione

Following #95, I looked at MV models/methods implemented in this package, trying to figure out what would be a type hierarchy and corresponding method interfaces for this package.

Here is a table of models and corresponding function names used by models.

Function \ Model CCA WHT ICA LDA FA PPCA PCA KPCA MDS
fit x x x x x x x x x
transform x x x x x x x x x
predict x
indim x x x x x x x x
outdim x x x x x x x x x
mean x x x x x x x ?
var x x ? ? ?
cov x ?
cor x
projection x x x x x x
reconstruct x x x x
loadings ? ? x x ? ? ?
eigvals ? ? ? ? x
eigvecs ? ? ? ? ?
length
size

I put ? where a possible implementation is missing or called differently.

So, I propose following type hierarchy

  • StatsBase.RegressionModel
    • Methods: CCA, LDA
    • Functions: fit, transfrom, indim, outdim, mean
    • Subtypes:
      • AbstractDimensionalityReduction
      • Functions: projection, var, reconstruct, loadings
      • Subtypes:
        • LinearDimensionalityReduction
          • Methods: ICA, PCA
        • NonlinearDimensionalityReduction
          • Methods: KPCA, MDS
        • LatentVariableModel or LatentVariableDimensionalityReduction
          • Methods: FA, PPCA
          • Functions: cov
  • StatsBase.AbstractDataTransform
    • Whitening
    • Functions: fit, transfrom, indim, outdim, mean, size

@nalimilan @ararslan Thoughts?

Lingua principale
Julia
Stelle
387
Fork
83
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 JuliaStats/MultivariateStats.jl

Tutte le issue di JuliaStats/MultivariateStats.jl

Issue simili

Altre issue su Julia

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.