unit8co/darts

Unified API : `model.params` attribute

Open

#192 aperta il 28 set 2020

Vedi su GitHub
 (8 commenti) (1 reazione) (0 assegnatari)Python (762 fork)batch import
good first issueimprovement

Metriche repository

Star
 (6832 star)
Metriche merge PR
 (Merge medio 143g 16h) (16 PR mergiate in 30 g)

Descrizione

Hello! Firstly, I wanted to thank you for this wonderful library.

Unified API to get model's params might make darts more convenient. For example, to get params of Exponential Smoothing model, We have to code like this:

model = ExponentialSmoothing()
model.fit(train)

print(model.model.model.params) # {'smoothing_level': 0.5789473661331209, 'smoothing_slope': ...

So, I want to implement model.get_params() method like sklearn. model.params attribute with property like statsmodels and fbprophet.

I would like to get your opinion before send PR. Thanks!

  • Models
    • abstract params() function in the ForecastingModel superclass
    • ARIMA
    • AutoARIMA
    • Baseline Models
      • NaiveDrift
      • NaiveMean
      • NaiveSeasonal
    • ExponentialSmoothing
    • FFT
    • Prophet
    • StandardRegressionModel
    • TCNModel
    • Theta
    • TorchForecastingModel (RNNModel)
  • Preprocessing
    • Scaler wrapper

Guida contributor

Direzione di ricerca
Il problema propone di aggiungere una proprietà `params` alla classe base ForecastingModel per unificare l'accesso ai parametri del modello, con un elenco di modelli da implementare. I modelli esistenti ExponentialSmoothing e Prophet sono stati completati (contrassegnati). Per implementare, individuare la classe astratta ForecastingModel (probabilmente in darts/models/forecasting model.py) e definire una proprietà `params` che restituisca un dizionario. Quindi sovrascrivere questa proprietà in ogni sottoclasse elencata nella checklist, estraendo i parametri dagli oggetti modello sottostanti. Fare riferimento al pattern `get params` di sklearn per coerenza, ma utilizzare la sintassi delle proprietà come suggerito. Controllare i pattern esistenti del repository (ad esempio ExponentialSmoothing e Prophet) per i dettagli di implementazione.
Tech stack
python
Dominio
backend
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
2
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.
Chiara
Prerequisiti
PythonGit
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
80