unit8co/darts

Unified API : `model.params` attribute

Open

#192 aberto em 28 de set. de 2020

Ver no GitHub
 (8 comments) (1 reaction) (0 assignees)Python (762 forks)batch import
good first issueimprovement

Métricas do repositório

Stars
 (6.832 stars)
Métricas de merge de PR
 (Mesclagem média 143d 16h) (16 fundiu PRs em 30d)

Description

Hello! Firstly, I wanted to thank you for this wonderful library.

Unified API to get model's params might make darts more convenient. For example, to get params of Exponential Smoothing model, We have to code like this:

model = ExponentialSmoothing()
model.fit(train)

print(model.model.model.params) # {'smoothing_level': 0.5789473661331209, 'smoothing_slope': ...

So, I want to implement model.get_params() method like sklearn. model.params attribute with property like statsmodels and fbprophet.

I would like to get your opinion before send PR. Thanks!

  • Models
    • abstract params() function in the ForecastingModel superclass
    • ARIMA
    • AutoARIMA
    • Baseline Models
      • NaiveDrift
      • NaiveMean
      • NaiveSeasonal
    • ExponentialSmoothing
    • FFT
    • Prophet
    • StandardRegressionModel
    • TCNModel
    • Theta
    • TorchForecastingModel (RNNModel)
  • Preprocessing
    • Scaler wrapper

Guia do colaborador

Direção de pesquisa
A issue propõe adicionar uma propriedade `params` à classe base ForecastingModel para unificar o acesso aos parâmetros do modelo, com uma lista de verificação de modelos a serem implementados. Os modelos existentes ExponentialSmoothing e Prophet foram concluídos (marcados). Para implementar, localize a classe abstrata ForecastingModel (provavelmente em darts/models/forecasting model.py) e defina uma propriedade `params` que retorne um dicionário. Em seguida, sobrescreva essa propriedade em cada subclasse listada na lista de verificação, extraindo os parâmetros dos objetos de modelo subjacentes. Consulte o padrão `get params` do sklearn para consistência, mas use a sintaxe de propriedade conforme sugerido. Verifique os padrões existentes do repositório (por exemplo, ExponentialSmoothing e Prophet) para obter detalhes de implementação.
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.
2
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.
Claro
Prerequisites
PythonGit
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
80