Build feature analyzer in Python
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 35/100
Direzione di ricerca
Inizia tracciando l’endpoint esistente /data/features/{id} e il modo in cui vengono attualmente ottenuti i metadati delle feature. Usa la risposta di esempio come output previsto, inclusi i nomi, i tipi e i flag delle feature, i valori nominali e i conteggi dei valori mancanti. Il lavoro è completato quando l’endpoint espone le informazioni di base richieste sulle feature.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Create a Python-based feature analyzer that calculates basic feature information available through /data/features/{id} endpoint, e.g.:
{
"data_features": {
"feature": [
{
"index": "0",
"name": "sepallength",
"data_type": "numeric",
"is_target": "false",
"is_ignore": "false",
"is_row_identifier": "false",
"number_of_missing_values": "0"
},
{
"index": "1",
"name": "sepalwidth",
"data_type": "numeric",
"is_target": "false",
"is_ignore": "false",
"is_row_identifier": "false",
"number_of_missing_values": "0"
},
{
"index": "2",
"name": "petallength",
"data_type": "numeric",
"is_target": "false",
"is_ignore": "false",
"is_row_identifier": "false",
"number_of_missing_values": "0"
},
{
"index": "3",
"name": "petalwidth",
"data_type": "numeric",
"is_target": "false",
"is_ignore": "false",
"is_row_identifier": "false",
"number_of_missing_values": "0"
},
{
"index": "4",
"name": "class",
"data_type": "nominal",
"nominal_value": [
"Iris-setosa",
"Iris-versicolor",
"Iris-virginica"
],
"is_target": "true",
"is_ignore": "false",
"is_row_identifier": "false",
"number_of_missing_values": "0"
}
]
}
}
- Lingua principale
- Python
- Stelle
- 16
- Fork
- 50
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
Non abbiamo ancora controllato i file di configurazione di questo progetto. 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 openml/server-api
-
behavior
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
openml/server-api#337 · 1 commento ·
-
Redesign POST /data/untag for v2Forse già presa @omosola l’ha presa 27 giorni fa. Apertaproposal
openml/server-api#375 · 2 commenti · 1 assegnatario ·
-
Redesign POST /data/tag for v2Forse già presa @omosola l’ha presa 27 giorni fa. Aperta
openml/server-api#374 · 2 commenti · 1 assegnatario ·
-
Redesign POST /data/qualities/unprocessed/{data_engine_id}/{order} for v2Forse già presa @omosola l’ha presa 27 giorni fa. Aperta
openml/server-api#373 · 1 assegnatario ·
-
Redesign POST /data/qualities for v2Forse già presa @omosola l’ha presa 27 giorni fa. Aperta
openml/server-api#372 · 1 assegnatario ·
Tutte le issue di openml/server-api
Issue simili
-
Broken links found in docsApertadocs pydanty:is-working
Difficoltà 2/5 1-3 ore Idoneità per principianti 75/100
pydantic/pydantic-ai#8863 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
run-llama/llama_index#23278 ·
I maintainer di solito rispondono entro 2 giorni
-
documentation from-review-extraction github-actions priority: low severity:nit
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 92/100
LearningCircuit/local-deep-research#6946 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
oracle/langchain-oracle#323 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
tenstorrent/tt-metal#58057 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno