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

Implement an option for factor-based prediction

Aperta
#63 1 commento 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
30/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
python
Ambito
data

Direzione di ricerca

Inizia esaminando le API esistenti di prediction e design-matrix, quindi confronta la loro rappresentazione con i metadati a livello di fattore discussi in issue #61. Definisci come le specifiche dei valori dei fattori debbano essere mappate sugli input di prediction e cosa debbano produrre i confronti categoriali a coppie; l’issue non indica file o test da eseguire.

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

Descrizione

statsmodels-request well-defined-task-definitely-do-this

Right now we can do prediction (i.e., design matrix generation) by specifying a set of data values ({"x": 1, "y": 2}). But for some purposes, like generating all pairwise categorical significance tests ("is the value of my linear predictor significantly different at a == a1 than it is at a == a2?"), it would be nice to be able to write this in terms of factor values ("is the value of my linear predictor significantly different when the C(...) factor is on level a1 compared to when it's on level a2?", without having to grovel through the AST of the factor's python code to figure out which data variables are being accessed. In particular, this would be expressed at the same representational level as factor-level metadata (see #61).

So we should have a version of predict that takes a set of specifications for factor values, and goes from there.

Lingua principale
Python
Stelle
990
Fork
106
Merge medio
7g 34m
PR unite (30g)
1

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

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 pydata/patsy

Tutte le issue di pydata/patsy

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.