[testing] check results are coherent vs sklearn when using sample weights
まだ誰も着手していません。
評価
- 難易度
- 4/5
- 見積もり時間
- 3〜5日
- 初心者へのやさしさ
- 35/100
- issue の種類
- 機能追加
- 明瞭さ
- おおむね明確
- 活発さ
- 停滞
- 技術スタック
- julia, scikit-learn
調査の方向性
NearestNeighbors のテストにある例から始め、KNNC と KNNR のサンプル重みのサポートを確認します。重み付きの重複するダミーデータを生成し、scikit-learn で同じ分析を実行して結果を比較します。完了の条件は、精度がおおよそ ±5% 以内であることです。
索引モデルが issue の本文から書いたものです。
説明
We've recently added (https://github.com/alan-turing-institute/MLJModels.jl/pull/125) the possibility to add weights to samples in KNNC, KNNR. It seems fine but it would still be good to check this a bit more and ideally against an external benchmark like Sklearn which I believe supports sample weights as well.
Steps:
be on theedit This now lives at NearestNeighborModels (current repo)devbranch of MLJModels- generate some dummy data with dummy weights (see also examples in tests for NearestNeighbors though it'd be better to use less dumb data where classes overlap a bit)
- save the data and do the same analysis in sklearn
- check that the results look roughly similar (like accuracy within +- 5%)
- 主要言語
- Julia
- スター
- 27
- フォーク
- 1
- 平均マージ
- 7時間 56分
- マージ済み PR（30日）
- 4
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/NearestNeighborModels.jl のほかの issue
-
next patch release
難易度 1/5 1時間未満 初心者へのやさしさ 70/100
-
難易度 1/5 1時間未満 初心者へのやさしさ 20/100
JuliaAI/NearestNeighborModels.jl#25 · コメント 17 件 ·
JuliaAI/NearestNeighborModels.jl の issue をすべて見る
似ている issue
-
documentation
難易度 2/5 1〜3時間 初心者へのやさしさ 62/100
ohno/Antique.jl#165 ·
-
難易度 2/5 1〜3時間 初心者へのやさしさ 62/100
-
難易度 2/5 1〜3時間 初心者へのやさしさ 70/100
SciML/DiffEqNoiseProcess.jl#342 ·
-
難易度 1/5 1時間未満 初心者へのやさしさ 88/100
-
難易度 2/5 1〜3時間 初心者へのやさしさ 62/100
メンテナーはふだん 1 日以内に返信