microsoft/FLAML

support anomaly detection

Open

#413 aperta il 19 gen 2022

Vedi su GitHub
 (4 commenti) (4 reazioni) (0 assegnatari)Jupyter Notebook (560 fork)github user discovery
enhancementgood first issue

Metriche repository

Star
 (4364 star)
Metriche merge PR
 (Metriche PR in attesa)

Descrizione

Add a task type 'anomaly_detection', and at least one learner for it.

From my understanding there are multiple types of anomalies - point anomalies, contextual anomalies, and collective anomalies - and also different types of anomaly detection algorithms - nearest-neighbor, clustering, classification, and statistic based.

If anyone has any suggestions or requests for this task, please comment.

Guida contributor

Direzione di ricerca
Investigare i tipi di attività FLAML esistenti, in particolare come sono strutturati e registrati. Quindi, progettare e implementare un tipo di attività 'anomaly detection' con almeno un learner, ad esempio utilizzando Isolation Forest o k nearest neighbors. Iniziare leggendo la guida per sviluppatori ed esaminando esempi di altri tipi di attività.
Tech stack
python
Dominio
backend
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
3
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
1-2 giorni
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Attiva
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Abbastanza chiara
Prerequisiti
PythonMachine LearningGit
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
55