TheAlgorithms/Python

Implement XGBoost classification and regression algorithms

Open

#8.067 aberto em 1 de jan. de 2023

Ver no GitHub
 (4 comments) (0 reactions) (0 assignees)Python (50.629 forks)batch import
enhancementhelp wanted

Métricas do repositório

Stars
 (221.055 stars)
Métricas de merge de PR
 (Mesclagem média 70d 10h) (6 fundiu PRs em 30d)

Description

Feature description

machine_learning/xgboost_classifier.py and machine_learning/xgboost_regressor.py are how-tos since they both just use an existing library for the actual ML algorithms.

My understanding is that #7106 and #7107 were merged (not without difficulty) and the author was warned not to contribute such how-tos in the future. However, I think these algorithms should still be implemented at some point if the files are to remain in the repo, so I thought I should open an issue to bring some attention to it.

If anyone wants to implement either of these two algorithms (as in not relying on an existing library for the bulk of the algorithm), feel free to just open a PR—no need to request an assignment.

Guia do colaborador

Direção de pesquisa
Implemente o XGBoost gradient boosting do zero: construa árvores de decisão com amostragem ponderada, calcule gradientes e hessianas, adicione regularização e lide com objetivos de classificação/regressão sem usar bibliotecas de ML existentes.
Pilha de tecnologia
python
Domain
machine learning
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
4
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
3-5 dias
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
PythonMachine Learning basicsGradient Boosting theory
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
30