automl/auto-sklearn

FastICA: `n_components is too large: it will be set to _`

Open

#240 aperta il 24 feb 2017

Vedi su GitHub
 (4 commenti) (0 reazioni) (0 assegnatari)Python (1265 fork)batch import
Good first issueenhancement

Metriche repository

Star
 (7270 star)
Metriche merge PR
 (Nessuna PR mergiata in 30 g)

Descrizione

FastICA currently looks for n_components between 10 and 2000, with a default of 100. However, assuming there are more rows N than columns M, a data set can only support up to M independent components. The suggested range is therefore between 2 and M, with a default of round(M / 2).

Looking at the implementation, it appears information about the data set is not available in get_hyperparameter_search_space. As a workaround, the n_components property could be replaced by a n_components_rel property that indicates the amount of independent components relative to the total number of features M. When calling sklearn.decomposition.FastICA, you could then simply pass n_components=X.shape[1] * self.n_components_rel.

Guida contributor

Direzione di ricerca
Esamina l'implementazione del componente FastICA in auto sklearn, concentrandoti sul metodo `get hyperparameter search space`. L'issue suggerisce di sostituire `n components` con una proprietà relativa `n components rel` che deriva dal numero di feature. Cerca le definizioni esistenti degli iperparametri e modificale per accettare un valore relativo, quindi adatta di conseguenza la chiamata a `sklearn.decomposition.FastICA`. La discussione nell'issue potrebbe fornire ulteriori approfondimenti.
Tech stack
python
Dominio
machine learning
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
3
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
Mezza giornata
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Attiva
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Chiara
Prerequisiti
Pythonscikit learn
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
65