Example usage
まだ誰も着手していません。
評価
- 難易度
- 2/5
- 見積もり時間
- 1〜3時間
- 初心者へのやさしさ
- 25/100
- issue の種類
- ドキュメント
- 明瞭さ
- 説明が足りない
- 活発さ
- 停滞
- 技術スタック
- julia
調査の方向性
まず、issue本文のJulia例を確認します。elastic_net_logistic_regression、train、generate_predictions関数も含めて確認してください。この例をどこにドキュメント化すべきか、またどのような変更が求められているかを明確にします。合意した使用例がその場所に追加または改訂されれば完了です。
索引モデルが issue の本文から書いたものです。
説明
`
using DelimitedFiles
using MLJLinearModels
#############################################
'''
wrapper for the logistic regression function with elastic
net penalty provided by MLJLinearModels
'''
#############################################
function elastic_net_logistic_regression(Z::Matrix{Float64},
y::Vector{Float64},
λ::Float64 = 1.0,
α::Float64 = 0.0)
model = LogisticRegression(λ, α, penalty=:en)
return MLJLinearModels.fit(model, Z, y)
end
#############################################
'''
as MLJLinearModels require the labels to be +1, -1 instead
of 0, +1, the following code will read the data and the
labels (0, +1). Then it shall convert the labels to +1, -1
'''
#############################################
M = readdlm("train_data.txt", Float64)
n, m = size(M)
X = Matrix(M[1:n,1:m-1])
y = M[1:end,m:end][:]
z = copy(y) # z shall be the vector of labels
for i = 1:n
if y[i] == 0.0
z[i] = -1.0
end
end
#############################################
'''
compute the parameter vector on the training data
'''
#############################################
function train(X, y)
m, n = size(X)
β_bar = elastic_net_logistic_regression(X, y, 0.0, 0.0)[1:n] # ignore the intercept
return β_bar
end
#############################################
'''
make predictions after training
'''
#############################################
function generate_predictions(X, β)
n, m = size(X)
pred_y = zeros(n)
for i = 1:n
p = sigmoid(X[i,:], β)
if isinf(p)
println("error. sigmoid returned Inf")
end
if p >= 0.5
pred_y[i] = 1.0
else
pred_y[i] = -1.0
end
end
return pred_y
end
`
- 主要言語
- Julia
- スター
- 86
- フォーク
- 16
- 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。
JuliaAI/MLJLinearModels.jl のほかの issue
-
難易度 3/5 1〜2日 初心者へのやさしさ 78/100
JuliaAI/MLJLinearModels.jl#187 · リアクション 1 件 ·
-
難易度 4/5 3〜5日 初心者へのやさしさ 58/100
JuliaAI/MLJLinearModels.jl#180 ·
-
help wanted
難易度 5/5 1週間以上 初心者へのやさしさ 25/100
JuliaAI/MLJLinearModels.jl#163 · コメント 4 件 ·
-
難易度 2/5 1〜3時間 初心者へのやさしさ 45/100
JuliaAI/MLJLinearModels.jl#160 · コメント 1 件 ·
-
難易度 3/5 1〜2日 初心者へのやさしさ 42/100
JuliaAI/MLJLinearModels.jl#159 · コメント 3 件 ·
JuliaAI/MLJLinearModels.jl 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
Sienna-Platform/PowerSimulations.jl#1737 ·
メンテナーはふだん 4 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
FluxML/Optimisers.jl#254 ·
-
Minor: floodplain warning percentage, scalar output error message and a never-true identity checkオープンbug
難易度 2/5 1〜3時間 初心者へのやさしさ 82/100
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
JuliaAI/MLJTransforms.jl#101 ·
メンテナーはふだん 1 日以内に返信
-
@contents blocks fail to render on Julia 1.14対応中かも @sbfnk が 1 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 78/100
LuxDL/DocumenterVitepress.jl#410 ·