microsoft/FLAML

support anomaly detection

Open

#413 aberto em 19 de jan. de 2022

Ver no GitHub
 (4 comments) (4 reactions) (0 assignees)Jupyter Notebook (560 forks)github user discovery
enhancementgood first issue

Métricas do repositório

Stars
 (4.364 stars)
Métricas de merge de PR
 (Métricas PR pendentes)

Description

Add a task type 'anomaly_detection', and at least one learner for it.

From my understanding there are multiple types of anomalies - point anomalies, contextual anomalies, and collective anomalies - and also different types of anomaly detection algorithms - nearest-neighbor, clustering, classification, and statistic based.

If anyone has any suggestions or requests for this task, please comment.

Guia do colaborador

Direção de pesquisa
Investigue os tipos de tarefa FLAML existentes, particularmente como eles são estruturados e registrados. Em seguida, projete e implemente um tipo de tarefa 'anomaly detection' com pelo menos um aprendiz, por exemplo, usando Isolation Forest ou k nearest neighbors. Comece lendo o guia do desenvolvedor e examinando exemplos de outros tipos de tarefa.
Pilha de tecnologia
python
Domain
backend
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
3
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
1-2 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.
Principalmente claro
Prerequisites
PythonMachine LearningGit
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
55