catboost/catboost

minimal training time benchmark

Open

#33 aperta il 19 lug 2017

Vedi su GitHub
 (4 commenti) (1 reazione) (0 assegnatari)Python (1163 fork)batch import
good first issuehelp wantedperformanceplanned

Metriche repository

Star
 (7556 star)
Metriche merge PR
 (Nessuna PR mergiata in 30 g)

Descrizione

vs h2o/xgboost/lightgbm: https://github.com/szilard/GBM-perf/issues/4

also see this: https://github.com/szilard/benchm-ml

Guida contributor

Direzione di ricerca
Configura un ambiente di benchmarking clonando i repository necessari (Catboost, H2O, XGBoost, LightGBM). Utilizza i link forniti per replicare gli script di benchmark per il confronto dei tempi di addestramento. Segui le istruzioni nei problemi di riferimento per eseguire i benchmark su un dataset standard. Raccogli e analizza i risultati, quindi riporta le scoperte nel problema.
Tech stack
python
Dominio
machine learningperformance
Tipo issue
Ricerca
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
2
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
Mezza giornata
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Datata
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Chiara
Prerequisiti
PythonGit
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
60