Scikit-learn: اجعل الأوصاف العشوائية للدولة أكثر إفادة والرجوع إلى المسرد
لقد أضفنا مؤخرًا مسردًا إلى وثائقنا ، والذي يصف المعايير المشتركة من بين أشياء أخرى. يجب علينا الآن استبدال أوصاف المعلمات random_state لجعلها أكثر إيجازًا وإفادة (انظر # 10415). على سبيل المثال ، بدلاً من
random_state : int, RandomState instance or None, optional, default: None
If int, random_state is the seed used by the random number generator;
If RandomState instance, random_state is the random number generator;
If None, the random number generator is the RandomState instance used
by `np.random`.
في كل من KMeans و MiniBatchKMeans ، قد يكون لدينا:
KMeans:
random_state : int, RandomState instance, default=None
Determines random number generation for centroid initialization.
Pass an int for reproducible results across multiple function calls.
See :term:`Glossary <random_state>`.
MiniBatchKMeans:
random_state : int, RandomState instance, default=None
Determines random number generation for centroid initialization and
random reassignment.
Pass an int for reproducible results across multiple function calls.
See :term:`Glossary <random_state>`.
لذلك ، يجب أن يركز الوصف على تأثير random_state على الخوارزمية.
يجب على المساهمين المهتمين بالمساهمة في هذا التغيير أن يأخذوا وحدة واحدة في كل مرة ، في البداية.
قائمة المقدر التي سيتم تعديلها هي كما يلي:
قائمة الملفات المراد تعديلها باستخدام البرنامج النصي kwinata
- [x] [sklearn / dummy.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/dummy.py) - 59
- [x] [sklearn / multioutput.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/multioutput.py) - 578 ، 738
- [] [sklearn / kernel_approximation.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/kernel_approximation.py) - 41 ، 143 ، 470
- [] [sklearn / multiclass.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/multiclass.py) - 687
- [x] [sklearn / random_project.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/random_project.py) - 178 ، 245 ، 464 ، 586
- [x] [sklearn / feature_extraction / image.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/feature_extraction/image.py) - 368 ، 502
- [x] [sklearn / utils / random.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/utils/random.py) - 39 العلاقات العامة المفتوحة
- [x] [sklearn / utils / extmath.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/utils/extmath.py) - 185 ، 297
- [x] [sklearn / ensemble / _hist_gradient_boosting / gradient_boosting.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/ensemble/_hist_gradient_boosting/gradient_boosting.py) - 736 ، 918
[x] [sklearn / ensemble / _hist_gradient_boosting / binning.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/ensemble/_hist_gradient_boosting/binning.py) - 37 ، 112
[x] [sklearn / ensemble / _bagging.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/ensemble/_bagging.py) - 503 ، 902
- [x] [sklearn / ensemble / _gb.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/ensemble/_gb.py) - 887 ، 1360
- [x] [sklearn / ensemble / _forest.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/ensemble/_forest.py) - 965 ، 1282 ، 1559 ، 1868 ، 2103
- [x] [sklearn / ensemble / _iforest.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/ensemble/_iforest.py) - 109
- [] [sklearn / ensemble / _base.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/ensemble/_base.py) - 52
- [x] [sklearn / ensemble / _weight_boosting.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/ensemble/_weight_boosting.py) - 188 ، 324 ، 479 ، 900 ، 1022
- [x] [sklearn / decomposition / _truncated_svd.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_truncated_svd.py) - 59 فتح العلاقات العامة
- [x] [sklearn / decomposition / _kernel_pca.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_kernel_pca.py) - 79 فتح العلاقات العامة
- [x] [sklearn / decomposition / _dict_learning.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_dict_learning.py) - 364 ، 485 ، 692 ، 1135 ، 1325 فتح العلاقات العامة
- [x] [sklearn / decomposition / _fastica.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_fastica.py) - 205 ، 344 فتح العلاقات العامة
- [x] [sklearn / decomposition / _nmf.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_nmf.py) - 290 ، 475 ، 966 ، 1159 فتح العلاقات العامة
- [x] [sklearn / decomposition / _pca.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_pca.py) - 192 فتح العلاقات العامة
- [x] [sklearn / decomposition / _sparse_pca.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_sparse_pca.py) - 82 ، 285 فتح العلاقات العامة
- [x] [sklearn / decomposition / _lda.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_lda.py) - 60 ، 79 ، 225 فتح العلاقات العامة
- [x] [sklearn / decomposition / _factor_analysis.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_factor_analysis.py) - 92 فتح العلاقات العامة
- [x] [sklearn / cluster / _kmeans.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/cluster/_kmeans.py) - 56 ، 241 ، 380 ، 583 ، 700 ، 1150 ، 1370
- [x] [sklearn / cluster / _spectral.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/cluster/_spectral.py) - 41 ، 197 ، 313
- [x] [sklearn / cluster / _bicluster.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/cluster/_bicluster.py) - 236 ، 383
- [x] [sklearn / cluster / _mean_shift.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/cluster/_mean_shift.py) - 48
- [x] [sklearn / preprocessing / _data.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/preprocessing/_data.py) - 2178 ، 2607
- [x] [sklearn / impute / _iterative.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/impute/_iterative.py) - 125
- [x] [sklearn / linear_model / _ransac.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_ransac.py) - 152 فتح العلاقات العامة
- [x] [sklearn / linear_model / _coordinate_descent.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_coordinate_descent.py) - 580 ، 860 ، 1313 ، 1487 ، 1665 ، 1851 ، 2016 ، 2192 فتح العلاقات العامة
- [x] [sklearn / linear_model / _sag.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_sag.py) - 154 فتح العلاقات العامة
- [x] [sklearn / linear_model / _perceptron.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_perceptron.py) - 55 فتح العلاقات العامة
- [x] [sklearn / linear_model / _passive_aggressive.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_passive_aggressive.py) - 76 ، 322 فتح العلاقات العامة
- [x] [sklearn / linear_model / _logistic.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_logistic.py) - 587 ، 924 ، 1100 ، 1658 فتح العلاقات العامة
- [x] [sklearn / linear_model / _base.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_base.py) - 65
- [x] [sklearn / linear_model / _stochastic_gradient.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_stochastic_gradient.py) - 369 ، 811 ، 1419 فتح العلاقات العامة
- [x] [sklearn / linear_model / _theil_sen.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_theil_sen.py) - 243 فتح العلاقات العامة
- [x] [sklearn / linear_model / _ridge.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_ridge.py) - 325 ، 693 ، 853 Open PR
- [x] [sklearn / tree / _classes.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_classes.py) - 653 ، 1033 ، 1322 ، 1552
- [x] [sklearn / feature_selection / _mutual_info.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/feature_selection/_mutual_info.py) - 226 ، 335 ، 414
- [x] [sklearn / metrics / cluster / _unsupervised.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/metrics/cluster/_unsupervised.py) - 80
- [x] [sklearn / svm / _classes.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/svm/_classes.py) - 90 ، 312 ، 546 ، 752 فتح العلاقات العامة
- [x] [sklearn / svm / _base.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/svm/_base.py) - 853 فتح العلاقات العامة
- [x] [sklearn / التفتيش / _permutation_importance.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/inspection/_permutation_importance.py) - 81
- [x] [sklearn / gaussian_process / _gpr.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/gaussian_process/_gpr.py) - 109 ، 382
- [x] [sklearn / gaussian_process / _gpc.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/gaussian_process/_gpc.py) - 110 ، 537
- [x] [sklearn / manifold / _spectral_embedding.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/manifold/_spectral_embedding.py) - 171 ، 387
- [x] [sklearn / manifold / _locally_linear.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/manifold/_locally_linear.py) - 146 ، 252 ، 584
- [x] [sklearn / manifold / _t_sne.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/manifold/_t_sne.py) - 558
- [x] [sklearn / manifold / _mds.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/manifold/_mds.py) - 51 ، 198 ، 314
- [x] [sklearn / utils / _testing.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/utils/_testing.py) - 521
- [x] [sklearn / utils / __ init__.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/utils/__init__.py) - 478 ، 623
- [x] [sklearn / datasets / _kddcup99.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/_kddcup99.py) - 79
- [x] [sklearn / datasets / _covtype.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/_covtype.py) - 69
- [x] [sklearn / datasets / _rcv1.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/_rcv1.py) - 114
- [x] [sklearn / datasets / _samples_generator.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/_samples_generator.py) - 127 ، 323 ، 440 ، 531 ، 618 ، 688 ، 767 ، 904 ، 965 ، 1030 ، 1106 ، 1159 ، 1218 ، 1258 ، 1307 ، 1368 ، 1420 ، 1483 ، 1571 ، 1662
- [x] [sklearn / datasets / _olivetti_faces.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/_olivetti_faces.py) - 64
- [x] [sklearn / datasets / _base.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/_base.py) - 157
- [x] [sklearn / datasets / _twenty_newsgroups.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/_twenty_newsgroups.py) - 187
- [x] [sklearn / mix / _bayesian_mixture.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/mixture/_bayesian_mixture.py) - 166
- [x] [sklearn / mix / _base.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/mixture/_base.py) - 139
- [x] [sklearn / mix / _gaussian_mixture.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/mixture/_gaussian_mixture.py) - 504
- [x] [sklearn / model_selection / _validation.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/model_selection/_validation.py) - 1006 ، 1176
- [x] [sklearn / model_selection / _split.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/model_selection/_split.py) - 382 ، 588 ، 1091 ، 1196 ، 1250 ، 1390 ، 1492 ، 1605 ، 2049 فتح العلاقات العامة
- [x] [sklearn / model_selection / _search.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/model_selection/_search.py) - 207 ، 1299
- [x] [sklearn / neural_network / _multilayer_perceptron.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/neural_network/_multilayer_perceptron.py) - 782 ، 1174
- [x] [sklearn / neural_network / _rbm.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/neural_network/_rbm.py) - 59
- [x] [sklearn / neighbors / _kde.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/neighbours/_kde.py) - 233
- [x] [sklearn / neighbors / _nca.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/neighbours/_nca.py) - 112
- [x] [sklearn / covariance / _robust_covariance.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/covariance/_robust_covariance.py) - 63 ، 233 ، 328 ، 545
- [x] [sklearn / covariance / _elliptic_envelope.py] (https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/covariance/_elliptic_envelope.py) - 40
jnothman
ال 60 كومينتر
مرحبًا jnothman ، هل يمكنني التعامل مع هذه المشكلة؟ شكرا
aby0
في ٢٩ يناير ٢٠١٨
اطلب وحدة / حزمة فرعية واذهب ...
في 30 يناير 2018 الساعة 00:24 ، كتبت Somya Anand [email protected] :
مرحبًا jnothman https://github.com/jnothman ، هل يمكنني التعامل مع هذه المشكلة؟ شكرا
-
أنت تتلقى هذا لأنه تم ذكرك.
قم بالرد على هذا البريد الإلكتروني مباشرة ، وقم بعرضه على GitHub
https://github.com/scikit-learn/scikit-learn/issues/10548#issuecomment-361243951 ،
أو كتم الخيط
https://github.com/notifications/unsubscribe-auth/AAEz62ie2pMFVg7uM6_MVnmWKRX-efgHks5tPcaHgaJpZM4Rwij3
.
jnothman
في ٢٩ يناير ٢٠١٨
jnothman أنا آسف لكوني ساذجًا ولكن هل يمكنك توضيح الوحدة / الوحدة الفرعية؟ أعني هل تشير إلى حزمة فرعية مثل Kmeans على سبيل المثال؟
aby0
في ٢٩ يناير ٢٠١٨
أعتقد أن ما تعنيهjnothman هو مجرد البدء بملف واحد ، على سبيل المثال sklearn / الكتلة / k_means_.py ، قم بتحديث docstring random_state كما في المنشور العلوي وافتح العلاقات العامة.
lesteve
في ٢٩ يناير ٢٠١٨
الحزمة الفرعية هي شيء مثل sklearn.cluster
jnothman
في ٢٩ يناير ٢٠١٨
شكرا. سيفعل ذلك ويفتح العلاقات العامة.
aby0
في ٣٠ يناير ٢٠١٨
أهلا! تضمين التغريدة
هل ترغب أيضًا في استبدال التعليقات التالية كما هو موضح في Grid_search.py؟ لديهم خط إضافي مقارنة بالخط الذي تشاركه.
random_state : int, RandomState instance or None, optional (default=None)
Pseudo random number generator state used for random uniform sampling
from lists of possible values instead of scipy.stats distributions.
If int, random_state is the seed used by the random number generator;
If RandomState instance, random_state is the random number generator;
If None, the random number generator is the RandomState instance used
by `np.random`.
shivamriky
في ٣٠ يناير ٢٠١٨
يمكنني أخذ Grid_search.py و k_means.py (KMeans).
shivamriky
في ٣٠ يناير ٢٠١٨
اترك Grid_search.py وشأنه. تم إهماله. الفكرة هي تقليل
المحتوى المكرر والمتوفر في المسرد حتى نتمكن من ذلك
إعطاء المستخدمين وصفًا أكثر إفادة حول دور random_state في
مقدر معين.
jnothman
في ٣٠ يناير ٢٠١٨
شكراjnothman. هل سأحتاج إلى فهم هذه الخوارزميات قبل أن أتمكن من استبدال معلومات الحالة العشوائية هذه؟
shivamriky
في ٣١ يناير ٢٠١٨
ستحتاج إلى فهم الخوارزميات على نطاق واسع ، ولكن ليس كل تفاصيل
تنفيذها. سوف تحتاج إلى أن تكون قادرًا على العثور على مكان عشوائي
إذا كانت العشوائية في الخوارزمية غير واضحة تمامًا.
في بعض الحالات ، قد يكون من المناسب عدم إعطاء تفاصيل أكثر من
مجرد ربط معجم المصطلحات ؛ علينا أن نرى كيف ستسير الأمور.
jnothman
في ٣١ يناير ٢٠١٨
حسنا شكرا لك. سأبدأ في استعراض الخوارزميات ببطء.
يعتبر،
شيفام راستوجي
shivamriky
في ٣ فبراير ٢٠١٨
لقد فتحت طلب سحب # 10614
shivamriky
في ١٠ فبراير ٢٠١٨
منذ @ aby0 لم يطالب بوحدة sklearn.cluster حتى الآن. أود المطالبة بالوحدة بأكملها. يرجى إعلامي إذا كان بإمكاني العمل على ذلك أو يجب أن أعمل على شيء آخر.
shivamriky
في ١٠ فبراير ٢٠١٨
أي تحديث يا شباب؟ إنها عطلة طويلة بالنسبة لنا ، لذا يرجى إعلامي إذا كان بإمكاني اختيار هذا.
shivamriky
في ١٥ فبراير ٢٠١٨
سآخذ الوحدة النمطية datasets نظرًا لأنني أتجول بالفعل في سلاسل المستندات هناك لـ # 10731.
richford
في ٢٨ فبراير ٢٠١٨
أطالب بالوحدة linear_model . سوف ترفع العلاقات العامة قريبا. # 11900 مرفوع.
المطالبة بالوحدة التالية decomposition .
SirR4T
في ٢٣ أغسطس ٢٠١٨
قائمة مرجعية للوحدات التي يلزم القيام بذلك فيها:
- [] المطورين
- [] التغاير
- [x] التحلل
- [] dummy.py
- [] فرقة
- [ ] ميزة استخراج
- [ ] اختيار ميزة
- [] gaussian_process
- [] kernel_approximation.py
- [x] linear_model عبر # 11900
- [] متشعب
- [] المقاييس
- [] خليط
- [] نموذج_الاختيار
- [] multiclass.py
- [] multioutput.py
- [ ] الجيران
- [ ] الشبكة العصبية
- [] المعالجة المسبقة
- [] random_project.py
- [] svm
- [] شجرة
- [] المرافق
SirR4T
في ٢٣ أغسطس ٢٠١٨
واجهتنا بعض الصعوبات في التوصل إلى إجماع حول كيفية تحقيق التوازن الصحيح
هنا ، iirc
jnothman
في ٢٣ أغسطس ٢٠١٨
لذلك انتبه إلى العلاقات العامة السابقة المدمجة أعلاه
jnothman
في ٢٣ أغسطس ٢٠١٨
jnothman شكرا! سيتم تحديث PRs لذكر قابلية التكاثر عند تمرير عدد صحيح.
SirR4T
في ٢٣ أغسطس ٢٠١٨
على استعداد لتناول جميع الوحدات الأخرى في علاقات عامة أخرى ، بمجرد مراجعتها ...
SirR4T
في ٢٥ أغسطس ٢٠١٨
أنا أدعي التغاير.
BlackTeaAndCoffee
في ١ سبتمبر ٢٠١٨
BlackTeaAndCoffee ، يرجى العلم ، لم يتم الانتهاء من تنسيق سلسلة المستند بعد ، وقد جرت المناقشات حول العلاقات العامة الأخرى المدرجة هنا. لذلك قد ترغب في إلقاء نظرة أيضًا.
SirR4T
في ١ سبتمبر ٢٠١٨
أنا أدعي feature_extraction
erodrago
في ٢٢ يونيو ٢٠١٩
jnothman ، NicolasHug ، اكتشفت للتو # 15222 وعددًا من العلاقات العامة المتعلقة به لم
من أجل توضيح الأمور للعدو السريع ، أتساءل عما إذا كان بإمكاننا إغلاق إحدى هاتين المسألتين: إذا كانت الإجابة بنعم ، أيهما؟ كما يمكنني تجنب تكرار المعلومات. شكرا لتعاونك.
cmarmo
في ٨ يناير ٢٠٢٠
لم أكن على علم بهذه المشكلة (كان ينبغي التحقق بشكل أفضل) ، ويسعدني إغلاق https://github.com/scikit-learn/scikit-learn/issues/15222 لصالح هذه المشكلة
NicolasHug
في ٨ يناير ٢٠٢٠
باتباع تعليق jnothman ، ربما تستحق هذه المشكلة تصنيف "معتدل"؟
cmarmo
في ٩ يناير ٢٠٢٠
نريد العمل على المجموعة / _hist_gradient_boosting / binning.
mojc وأنا.
ويملدز
Malesche
في ٢٥ يناير ٢٠٢٠
أنا و
#wimlds #SciKitLearnSprint
daphn3k
في ٢٥ يناير ٢٠٢٠
@ daphn3k وسأعمل على sklearn / gaussian_process /
wimlds #SciKitLearnSprint
anaisabeldhero
في ٢٥ يناير ٢٠٢٠
نريد العمل على sklearn / preprocessing / _data.py - 2178، 2607
rachelcjordan و @ fabi-cast
wimlds #SciKitLearnSprint
Olks
في ٢٥ يناير ٢٠٢٠
أنا و Malesche نرغب في الحصول على sklearn / التفتيش / _permutation_importance.py
WiMLDS
mojc
في ٢٥ يناير ٢٠٢٠
مطالبة بملف sklearn / metrics / الكتلة / _unsupervised.py! # شمر
stareh
في ٢٥ يناير ٢٠٢٠
@ daphn3k وأنا أيضًا نأخذ التباين المشترك / * والجيران / * #wimlds
anaisabeldhero
في ٢٥ يناير ٢٠٢٠
مطالبة:
sklearn / dummy.py - 59
sklearn / multioutput.py - 578 ، 738
sklearn / kernel_approximation.py - 41، 143، 470
687- عبدالله
sklearn / random_project.py - 178 ، 245 ، 464 ، 586
stareh
في ٢٥ يناير ٢٠٢٠
PSA: الرجاء استخدام الجملة الأصلية
قم بتمرير int للحصول على نتائج قابلة للتكرار عبر مكالمات وظائف متعددة.
بدلاً من ما أراه في العلاقات العامة في الوقت الحالي:
استخدم int لجعل العشوائية حتمية
وهذا ليس صحيحًا ، نظرًا لأن RNG دائمًا حتمية بغض النظر عن ما تم تمريره
CCadrinjalali لأنني أعتقد أنك في السباق
NicolasHug
في ٢٥ يناير ٢٠٢٠
العمل على الشبكة العصبية والمزيج
anaisabeldhero
في ٢٥ يناير ٢٠٢٠
PSA: الرجاء استخدام الجملة الأصلية
قم بتمرير int للحصول على نتائج قابلة للتكرار عبر مكالمات وظائف متعددة.
بدلاً من ما أراه في العلاقات العامة في الوقت الحالي:
استخدم int لجعل العشوائية حتمية
وهذا ليس صحيحًا ، نظرًا لأن RNG دائمًا حتمية بغض النظر عن ما تم تمريره
CCadrinjalali لأنني أعتقد أنك في السباق
مرحبًا NicolasHug ، كان هذا يعني التعليق على العلاقات العامة على ما أعتقد ... أيهما؟ :)
cmarmo
في ٢٥ يناير ٢٠٢٠
ذاهب للعمل على scikit-learn / sklearn / model_selection / _validation.py
rachelcjordan
في ٢٥ يناير ٢٠٢٠
cmarmo كان هذا تعليقًا عامًا لجميع
NicolasHug
في ٢٥ يناير ٢٠٢٠
cmarmo كان هذا تعليقًا عامًا لجميع
آسف NicolasHug ،
cmarmo
في ٢٥ يناير ٢٠٢٠
NicolasHug تم تصحيح الجملة الأصلية في الالتزامات من anaisabeldhero وأنا
daphn3k
في ٢٥ يناير ٢٠٢٠
يدعي Me andOlks أن sklearn / utils / extmath.py - 185 ، 297
fabi-cast
في ٢٥ يناير ٢٠٢٠
المطالبة sklearn / ensemble / _iforest.py - 109
SergioDSR
في ٢٨ يناير ٢٠٢٠
المطالبة sklearn / neural_network / _multilayer_perceptron.py - 782 ، 1174
GregoireMialon
في ٢٨ يناير ٢٠٢٠
المطالبة sklearn / ensemble / _weight_boosting.py - 188 ، 324 ، 479 ، 900 ، 1022
DatenBiene
في ٢٩ يناير ٢٠٢٠
المطالبة sklearn / multioutput.py - 578 ، 738
DatenBiene
في ٢٩ يناير ٢٠٢٠
مطالبة :
166
139
sklearn / mix / _gaussian_mixture.py - 504
DatenBiene
في ٣٠ يناير ٢٠٢٠
المطالبة sklearn / ensemble / _gb.py - 887 ، 1360
DatenBiene
في ٣٠ يناير ٢٠٢٠
المطالبة sklearn / ensemble / _hist_gradient_boosting / gradient_boosting.py - 736، 918
DatenBiene
في ٣٠ يناير ٢٠٢٠
المطالبة sklearn / neural_network / _rbm.py - 59
GregoireMialon
في ٣٠ يناير ٢٠٢٠
مطالبة :
sklearn / svm / _classes.py - 90 ، 312 ، 546 ، 752
853
DatenBiene
في ٣٠ يناير ٢٠٢٠
مطالبة:
sklearn / feature_selection / _mutual_info.py - 226 ، 335 ، 414
sklearn / metrics / الكتلة / _unsupervised.py - 80
521
sklearn / utils / init.py - 478 ، 623
DatenBiene
في ٣٠ يناير ٢٠٢٠
مطالبة :
sklearn / dummy.py - 59
sklearn / random_project.py - 178 ، 245 ، 464 ، 586
DatenBiene
في ٣١ يناير ٢٠٢٠
DatenBieneGregoireMialon شكرا لجميع مساهماتكم خلال سباق الماضي. لا يوجد سوى 3 وحدات تركت دون رادع!
هل ستكون مهتمًا / لديك الوقت / لديك الدافع للتعامل مع هؤلاء (بدون ضغط!)؟
jeremiedbb
في ١٢ فبراير ٢٠٢٠
مرحبًا Jérémie! سأحاول إلقاء نظرة عليه قريبًا
لو مير. 12 فبراير. 2020، 15:53، جيرمي دو بوازبرانغر <
[email protected]> بريد إلكتروني:
DatenBiene https://github.com/DatenBieneGregoireMialon
https://github.com/GregoireMialon شكرًا لجميع مساهماتك
خلال آخر سباق. لا يوجد سوى 3 وحدات تركت دون رادع!هل ستكون مهتمًا / لديك وقت / لديك دافع للتعامل مع هؤلاء (لا
الضغط !) ؟-
أنت تتلقى هذا لأنه تم ذكرك.
قم بالرد على هذا البريد الإلكتروني مباشرة ، وقم بعرضه على GitHub
https://github.com/scikit-learn/scikit-learn/issues/10548؟email_source=notifications&email_token=AFY4624NQL3EAFLBGPUNAE3RCQEO3A5CNFSM4EOCFD32YY3PNVWWK3TUL52HS4DFVREXG43VMVMv
أو إلغاء الاشتراك
https://github.com/notifications/unsubscribe-auth/AFY4625457AU7OL4E4EUVOTRCQEO3ANCNFSM4EOCFD3Q
.
GregoireMialon
في ١٣ فبراير ٢٠٢٠
مرحباjeremiedbb! سأحاول إنهاء الوحدات الثلاث المتبقية اليوم 😃
مطالبة:
sklearn / kernel_approximation.py - 41، 143، 470
687- عبدالله
52
DatenBiene
في ٤ أبريل ٢٠٢٠
مرحبًا jnothman و jeremiedbb ، يبدو أن جميع الملفات تم تعديلها. يسعدني تقديم المساعدة إذا وجدت أي مشكلات متبقية.
DatenBiene
في ١٦ أبريل ٢٠٢٠
شكرًا جزيلاً DatenBiene وجميع المساهمين الذين عملوا على إغلاق هذه المشكلة!
أعتقد أنه يمكننا إغلاق هذا الضخم!
لا تتردد في فتح مشكلات محددة جديدة إذا كان هناك شيء لا يزال مفقودًا حول وصف random_state .
cmarmo
في ١٦ أبريل ٢٠٢٠
القضايا ذات الصلة
shauli-ravfogel
·
3تعليقات
ArtyomKaltovich
·
3تعليقات
divyaprabha123
·
3تعليقات
StevenLOL
·
3تعليقات
yandrieiev
·
3تعليقات
التعليق الأكثر فائدة
نريد العمل على sklearn / preprocessing / _data.py - 2178، 2607
rachelcjordan و @ fabi-cast
wimlds #SciKitLearnSprint