Machine learning
まだ誰も着手していません。
評価
- 難易度
- 5/5
- 見積もり時間
- 1週間以上
- 初心者へのやさしさ
- 15/100
- issue の種類
- 機能追加
- 明瞭さ
- 説明が足りない
- 活発さ
- 停滞
- 技術スタック
- pandas, python, scikit-learn
調査の方向性
本文には、spam.csv、pandas、TfidfVectorizer、MultinomialNBを使用するインラインのPython例だけが含まれており、リポジトリ内のファイル、テスト、または要求された変更については何も記載されていません。まず、このリポジトリが機械学習の実装をどのように整理しているかを確認し、作業を開始する前に、想定されているデータセット、モデルの範囲、評価対象を明確にしてください。
索引モデルが issue の本文から書いたものです。
説明
Step 1: Import libraries
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.naive_bayes import MultinomialNB
from sklearn.metrics import accuracy_score, confusion_matrix, classification_report
Step 2: Load dataset
Example: SMS Spam Collection dataset (you can download as spam.csv)
data = pd.read_csv("spam.csv", encoding="latin-1")[["v1", "v2"]]
data.columns = ["label", "message"]
Step 3: Encode labels (ham = 0, spam = 1)
data["label"] = data["label"].map({"ham": 0, "spam": 1})
Step 4: Split dataset
X_train, X_test, y_train, y_test = train_test_split(
data["message"], data["label"], test_size=0.2, random_state=42
)
Step 5: Convert text to numerical features using TF-IDF
vectorizer = TfidfVectorizer(stop_words="english")
X_train_tfidf = vectorizer.fit_transform(X_train)
X_test_tfidf = vectorizer.transform(X_test)
Step 6: Train model (Naive Bayes)
model = MultinomialNB()
model.fit(X_train_tfidf, y_train)
Step 7: Predict
y_pred = model.predict(X_test_tfidf)
Step 8: Evaluate
print("✅ Accuracy:", accuracy_score(y_test, y_pred))
print("\nConfusion Matrix:\n", confusion_matrix(y_test, y_pred))
print("\nClassification Report:\n", classification_report(y_test, y_pred))
- 主要言語
- Jupyter Notebook
- スター
- 17
- フォーク
- 14
- PR マージ指標
- 30日以内にマージされた PR はありません
環境構築
このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
AIAnytime/Machine-Learning-Models-Implementation のほかの issue
-
難易度 5/5 1週間以上 初心者へのやさしさ 10/100
AIAnytime/Machine-Learning-Models-Implementation#1 · コメント 1 件 ·
AIAnytime/Machine-Learning-Models-Implementation の issue をすべて見る
似ている issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 79/100
aws-samples/sample-per-model-bedrock#639 ·
メンテナーはふだん 1 日以内に返信
-
bug flagg TravelWise
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
flatland-association/flatland-rl#555 ·
メンテナーはふだん 3 日以内に返信
-
Validate finite output clamping limits in StepPredictor.prepare_clamping_params to prevent silent NaN/Inf propagation対応中かも @muskan-creates352 が今日担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 84/100
mllam/neural-lam#848 ·
メンテナーはふだん 2 日以内に返信
-
[BUG] OneCycle applies the minimum momentum to the first Adam update対応中かも このイシューにリンクされたプルリクエストがオープン中、またはマージ済みです。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
deepspeedai/DeepSpeed#8951 ·
メンテナーはふだん 2 日以内に返信
-
area:cli difficulty:2 enhancement
難易度 2/5 1〜3時間 初心者へのやさしさ 83/100
MakazhanAlpamys/Soup#2367 ·
メンテナーはふだん 1 日以内に返信