__تحديث مايو 23202__
فيما يلي قائمة بالفئات المتبقية:
تفتقر معظم المستندات في الصفوف إلى أمثلة. سيكون من الرائع إضافة مثال أو مثالين مشابهين لهذا ، http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html
أفترض أنك تقصد مقتطفًا صغيرًا من التعليمات البرمجية / العقيدة باستخدام كل مقدر.
هذا هو أحد الأسباب التي دفعتني إلى إضافة روابط تلقائية إلى الروابط ذات الصلة
أمثلة من المعرض عند إظهار مرجع API المترجم ، على سبيل المثال
http://scikit-learn.org/dev/modules/generated/sklearn.manifold.Isomap.html#examples -using-sklearn-manifold-isomap.
لسوء الحظ ، لم يكن هناك طريقة مباشرة لجعل هذه حيث
تفعل الأمثلة العقائدية (ومن ثم تم إنزالهم إلى نهاية
الصفحة التي خرجت من جيل numpydoc).
في 12 نوفمبر 2014 23:06 ، كتب Manoj Kumar [email protected] :
تفتقر معظم المستندات في الصفوف إلى أمثلة. سيكون من الرائع إضافة واحدة
أو مثالين مشابهين لهذا ،
http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html-
قم بالرد على هذا البريد الإلكتروني مباشرة أو قم بعرضه على GitHub
https://github.com/scikit-learn/scikit-learn/issues/3846.
نعم ، قصدت على الأرجح خطًا أو خطين (على سبيل المثال) https://github.com/scikit-learn/scikit-learn/pull/3802/files#diff -1741ad6b05f1eb0fd71af8bad0e001c7R321 فقط لإظهار واجهة برمجة التطبيقات.
هذا هو أحد الأسباب التي دفعتني إلى إضافة روابط تلقائية إلى الأمثلة ذات الصلة من المعرض عند إظهار مرجع API المترجم
هذا رائع. لم أكن قد لاحظت ذلك من قبل!
هذا رائع. لم أكن قد لاحظت ذلك من قبل!
فقط في التنمية. ومخفية في أسفل الصفحة :(
في أي مكان آخر تعتقد أنه سيكون أفضل؟
أسفل وصف الفصل وفوق المعلمات؟
في أي مكان قبل وصف الطريقة سيكون جيدًا. يمكن أن تشغل أوصاف الأسلوب مساحة كبيرة على الصفحة المرجعية لواجهة برمجة التطبيقات ، لذلك من غير المرجح أن يمر شخص ما بعدهم بحثًا عن أمثلة.
آسف على الرد المتأخر. أفترض أنه ليس من السهل القيام به؟ وإلا كنت ستفعل ذلك بنفسك؟
لا ، إنه أكثر اختراقًا من النهج الحالي!
في 19 تشرين الثاني (نوفمبر) 2014 ، الساعة 21:59 ، كتب Manoj Kumar [email protected] :
آسف على الرد المتأخر. أفترض أنه ليس من السهل القيام به؟ آخر
كنت ستفعل ذلك بنفسك؟-
قم بالرد على هذا البريد الإلكتروني مباشرة أو قم بعرضه على GitHub
https://github.com/scikit-learn/scikit-learn/issues/3846#issuecomment -63623385
.
ماذا عن مجرد إضافة أمثلة إلى docstring للفئات المفقودة؟
هؤلاء هم المقدّرون (98 - 10/148) ينقصهم حاليًا Examples
قسم: -
تم / قيد التنفيذ
ExtraTreesRegressor
BaggingClassifier
BaggingRegressor
AdaBoostRegressor
GradientBoostingRegressor
لا حاجة
ExtraTreeClassifier # Used only in ensembling
ExtraTreeRegressor # -do-
لكى يفعل
AffinityPropagation
AgglomerativeClustering
Binarizer
CheckingClassifier
CountVectorizer
DBSCAN
DPGMM
DictionaryLearning
ElasticNet
ElasticNetCV
EmpiricalCovariance
FactorAnalysis
FastICA
FeatureAgglomeration
GaussianRandomProjection
GenericUnivariateSelect
GraphLasso
GraphLassoCV
HashingVectorizer
Imputer
IncrementalPCA
Isomap
KMeans
KernelCenterer
KernelDensity
KernelPCA
LarsCV
LassoCV
LassoLarsCV
LedoitWolf
LinearRegression
LinearSVC
LinearSVR
LocallyLinearEmbedding
LogOddsEstimator
LogisticRegression
LogisticRegressionCV
MDS
MeanEstimator
MeanShift
MinCovDet
MinMaxScaler
MiniBatchDictionaryLearning
MiniBatchKMeans
MiniBatchSparsePCA
MultiTaskLassoCV
Normalizer
Nystroem
OAS
OneClassSVM
OrthogonalMatchingPursuit
OrthogonalMatchingPursuitCV
PLSSVD
PassiveAggressiveClassifier
PassiveAggressiveRegressor
PatchExtractor
Perceptron
PriorProbabilityEstimator
QuantileEstimator
RANSACRegressor
RBFSampler
RandomForestClassifier
RandomForestRegressor
RidgeCV
RidgeClassifier
RidgeClassifierCV
ScaledLogOddsEstimator
SelectFdr
SelectFpr
SelectFwe
SelectKBest
SelectPercentile
ShrunkCovariance
SkewedChi2Sampler
SparsePCA
SparseRandomProjection
SpectralBiclustering
SpectralClustering
SpectralCoclustering
SpectralEmbedding
StandardScaler
TfidfVectorizer
TheilSenRegressor
VBGMM
Ward
WardAgglomeration
ZeroEstimator
بالطبع ، لكن ألا تعتقد أن هذا أمر ممل قليلاً؟ ما لم يكن لديك نص.
أردت أن أتعلم القليل عن كل هؤلاء المقدرين ... أعتقد أن هذه ستكون طريقة جيدة للقيام بذلك :) هل سأبدأ العمل عليها؟
بالتأكيد!
انا اعمل على هذا
@ ltcguthrie أي جزء؟ هناك العديد من النماذج للعمل عليها من أجل هذا.
سأبدأ مع TfidfVectorizer.
العمل على RandomForestClassifier و RandomForestRegressor
العمل على تصنيف PassiveAggressiveClassifier ، PassiveAggressiveRegressor
العمل على LinearSVC ، LinearSVR
العمل على StandardScaler ، MinMaxScaler
العمل على ElasticNet ، ElasticNetCV
أيضًا ، تم إنشاء مستند google للحصول على قائمة الكائنات المنجزة / التي تم التراجع عنها
https://docs.google.com/spreadsheets/d/19D-RQocsLk4BM7-Xax8hVvIu3XDgwYSUnvja4cMrJww/edit#gid = 0
lodurality يمكنك أيضًا إنشاء قائمة هنا مع مربعات الاختيار
سأقوم بوضع علامة 0.21 وإصدارها الأول جيدًا لأنني أعتقد أنه سيكون من المفيد تضمين مثال صغير لكل فصل.
العمل على sklearn/cluster
مرحبًا ، أنا أعمل على إضافة مثال لـ Imputer كمساهمة أولى.
تعمل أيضًا على HashingVectorizer في sklearn/feature_extraction/text.py
.
أخذ OPTICS
. (يعتمد على # 11677)
أخذ sklearn/feature_selection/univariate_selection.py
أعتقد أنه لا يزال بإمكانك تقديم مثال لـ OPTICS حتى مع الخطأ :)
@ qinhanmin2014 هل تقصد مثالًا OPTICS
حالة خارجية ، وأظن أننا سننسى تغيير المثال بمجرد إصلاح هذا الخطأ. يمكنني كتابة ملاحظة في مشكلة _bug_ لإصلاح المثال بمجرد إصلاح المشكلة ، ولكن بعد ذلك لن يكون المثال الأولي هو الخارج. هل يجب أن أفعل ذلك؟
هل تقصد مثالًا بدون استثناء بحيث لا يُظهر الخطأ؟
لا ، أعني واحدًا به شذوذ (ق) ، مثل DBSCAN
لم ألق نظرة على الخطأ ولكني أتوقع أن تتمكن OPTICS من اكتشاف القيم المتطرفة الصحيحة معظم الوقت ، لذلك لا يزال بإمكانك إنشاء مثال. إذا لم يكن الأمر كذلك ، أعتقد أننا بحاجة إلى وضع علامة على الخطأ باعتباره مانعًا.
عادل بما فيه الكفاية ، سأحاول معرفة ما إذا كان بإمكاني العثور على مثال بسيط حيث يعمل بشكل جيد.
أخذ على sklearn/linear_model/ridge.py
أخذ على sklearn/covariance/graph_lasso_.py
أخذ sklearn/linear_model/logistic.py
أخذ دروس preprocessing
.
أخذ Perceptron
لقد أضفت المثال في فئة Perceptron ولكن لبعض الأسباب غير المعروفة لن يعمل.
مطلوب مساعدة ، أنا مبتدئ! (ملاحظة: لقد قمت بالفعل بإنشاء طلب سحب).
أخذ sklearn/random_projection
[[MRG] أمثلة Perceptron في Perceptron.py إلى scikit-learn / scikit-learn / linear_model / perceptron.py # 11798
أخذ "sklearn / manifold"
أنا أعمل على sklearn.feature_extraction.image.PatchExtractor
سأعمل أنا وأندريا على مثال sklearn.cluster.Ward و LedoitWolf. نقوم بتحديث متتبع Excel للتأكد من عدم بذل أي شخص أي جهود مكررة.
أنا أعمل على sklearn.decomposition.D DictionaryLearning
لقد قمنا للتو بتحديث مستند Google من lodurality هنا:
https://docs.google.com/spreadsheets/d/19D-RQocsLk4BM7-Xax8hVvIu3XDgwYSUnvja4cMrJww/edit#gid = 0
أنا وشيمنغ سنعمل على المفقودين.
andreanr ، هذا المستند قديم نوعًا ما
adrinjalali نعم بالتأكيد ،
andreanr هل تعمل في الفصول الدراسية بـ ensemble.gradient_boosting
أيضًا؟ خلاف ذلك ، أود العمل على ذلك.
@ daten-kieker تفضل!
مرحبا،
هل بقي أي شيء يمكنني المساهمة فيه؟
شكرا.
srividhyaprakash لقد أضفت فقط أمثلة ensemble.gradient_boosting
. يمكنك إلقاء نظرة على الفئات الأخرى.
@ daten-kieker ، شكرا لردكم. هذه هي المرة الأولى لي في الريبو العام الذي يتم صيانته جيدًا. هل يمكنك أن ترشدني من فضلك إلى دليل بدء محتمل للالتزام بالأسلوب والشكل على سبيل المثال؟
شكرا.
srividhyaprakash ، يمكنك البدء دليل المطور . يمكنك أيضًا أن تسأل على gitter إذا كانت لديك أسئلة تبدأ. أتمنى لك رحلة مساهمة سعيدة هنا.
بمجرد أن تبدأ في هذه المشكلة بالذات ، يمكنك التحقق من بعض طلبات السحب التي تراها في هذا الموضوع للحصول على فكرة عما تتضمنه.
مرحبًا ، هل بقي أي شيء يمكنني المساعدة فيه؟
إذا كان لا يزال متاحًا ، فهل يمكنني التعامل مع سلسلة وثائق الانحدار الخطي؟
اعتذارات adrinjalali ، لقد قرأت للتو الالتزامات المختلفة ورأيت أنك انتهيت بالفعل من الانحدار الخطي في # 11975. هل يمكنني التعامل مع سلسلة الوثائق LogisticRegression؟
لقد فقدنا نوعًا ما أثر ما تبقى هنا. تتمثل إحدى المساهمات في التحقق فعليًا من جميع الفصول العامة وإدراج الفئات التي لا تزال بحاجة إلى مثال ، واتخاذها من هناك.
adrinjalali ، يمكنني تجميع قائمة بما تبقى
adrinjalali ، لقد كنت متحمسة للغاية لدرجة أنني نسيت أن أسأل ، هل هناك فرع معين لهذا المشروع لديه آخر التحديثات؟
ماجستير لديه آخر التحديثات. من ناحية أخرى ، قد يكون أحد الأساليب
ضع في اعتبارك وثائق API التي تم إنشاؤها (على سبيل المثال في
https://github.com/scikit-learn/scikit-learn.github.io/tree/master/dev/modules/generated)
و grep للملفات التي لا تحتوي على class="rubric">Examples
jnothman ، شكرًا لك ، كانت النصيحة الجذابة على الفور. سأبدأ في تجميع القائمة اليوم
أي مزيد من المساعدة تحتاج هنا إما لتحديث مستند موجود أو لإنشاء مستند جديد ..؟
سيساعدني ذلك في البدء بمصدر مفتوح أيضًا .... لذلك سيكون موضع تقدير أي توجيهات أو عمل.
ما زلنا بحاجة إلى قائمة محدثة بالفصول بدون أمثلة. بينغ @ Khayyon1؟
@ Khayyon1 هل أكملت القائمة أم تحتاج إلى بعض المساعدة ..؟
adrinjalali ،
adrinjalali ، لذا يجب أن أرى كل ما تبقى من القائمة التي ذكرها raghavrv
@ coderop2 هي قائمة عمرها 3-4 سنوات ، وربما يكون من الأفضل بدء قائمة جديدة!
نأسف على الرد المتأخر ... بمجرد انتهاء امتحانات الكلية الخاصة بي ، سأبدأ في تجميع قائمة جديدة مع مراعاة القائمة القديمة ... آمل أن يكون ذلك كافيًا ليكون بمثابة مرجع للجميع
$ # list those with examples
$ git grep -p '^ Examples$' sklearn | grep '=class ' | sed 's/[^ ]* //;s/(.*//;s/:.*//' | sort > /tmp/classes_with_examples.txt
$ # rough list of all public classes
$ grep '\.[A-Z][a-zA-Z]\+' doc/modules/classes.rst > /tmp/classes.txt
$ # classes without examples
$ grep -v -wFf /tmp/classes_with_examples.txt /tmp/classes.txt
...
that was incorrect. See below.
...
لست متأكدا أن هذا دقيق
قد يكون هذا أكثر دقة ، لا يزال لديه إيجابيات خاطئة. أيضًا ، على افتراض أننا لسنا بحاجة إلى أمثلة لفئات Mixin و Warning.
BaggingRegressor
BallTree
BaseEstimator
BayesianGaussianMixture
CalibratedClassifierCV
ClassifierChain
ColumnTransformer
CompoundKernel
ConstantKernel
DictionaryLearning
DistanceMetric
DotProduct
DummyClassifier
DummyRegressor
Exponentiation
ExpSineSquared
ExtraTreeClassifier
ExtraTreeRegressor
ExtraTreesClassifier
ExtraTreesRegressor
FunctionTransformer
GaussianMixture
GradientBoostingClassifier
GradientBoostingRegressor
GraphLasso
GraphLassoCV
GroupShuffleSplit
Hyperparameter
Imputer
IsolationForest
IsotonicRegression
IterativeImputer
KDTree
Kernel
KernelDensity
LocalOutlierFactor
Matern
Memory
MiniBatchDictionaryLearning
MLPClassifier
MLPRegressor
MultiOutputClassifier
MultiOutputRegressor
OAS
OneClassSVM
OneVsOneClassifier
OneVsRestClassifier
OPTICS
OutputCodeClassifier
PairwiseKernel
Parallel
Product
RandomizedSearchCV
RandomTreesEmbedding
RationalQuadratic
RBF
RegressorChain
SelectFromModel
SparseCoder
Sum
TfidfTransformer
WhiteKernel
نعم ، لقد أجريت بحثًا خاطئًا ، وأعطيت العديد من الإيجابيات الخاطئة. هذا أفضل:
$ grep -v -f <(cat /tmp/classes_with_examples.txt | sed 's/.*/\\.&$/') /tmp/classes.txt
base.BaseEstimator
base.BiclusterMixin
base.ClassifierMixin
base.ClusterMixin
base.DensityMixin
base.RegressorMixin
base.TransformerMixin
calibration.CalibratedClassifierCV
cluster.OPTICS
compose.ColumnTransformer
covariance.OAS
decomposition.DictionaryLearning
decomposition.MiniBatchDictionaryLearning
decomposition.SparseCoder
dummy.DummyClassifier
dummy.DummyRegressor
ensemble.BaggingClassifier
ensemble.BaggingRegressor
ensemble.ExtraTreesClassifier
ensemble.ExtraTreesRegressor
ensemble.GradientBoostingClassifier
ensemble.GradientBoostingRegressor
ensemble.IsolationForest
ensemble.RandomTreesEmbedding
exceptions.ChangedBehaviorWarning
exceptions.ConvergenceWarning
exceptions.DataConversionWarning
exceptions.DataDimensionalityWarning
exceptions.EfficiencyWarning
exceptions.NonBLASDotWarning
exceptions.UndefinedMetricWarning
feature_extraction.text.TfidfTransformer
feature_selection.SelectFromModel
gaussian_process.kernels.CompoundKernel
gaussian_process.kernels.ConstantKernel
gaussian_process.kernels.DotProduct
gaussian_process.kernels.ExpSineSquared
gaussian_process.kernels.Exponentiation
gaussian_process.kernels.Hyperparameter
gaussian_process.kernels.Kernel
gaussian_process.kernels.Matern
gaussian_process.kernels.PairwiseKernel
gaussian_process.kernels.Product
gaussian_process.kernels.RBF
gaussian_process.kernels.RationalQuadratic
gaussian_process.kernels.Sum
gaussian_process.kernels.WhiteKernel
isotonic.IsotonicRegression
impute.IterativeImputer
mixture.BayesianGaussianMixture
mixture.GaussianMixture
model_selection.GroupShuffleSplit
model_selection.RandomizedSearchCV
multiclass.OneVsRestClassifier
multiclass.OneVsOneClassifier
multiclass.OutputCodeClassifier
multioutput.ClassifierChain
multioutput.MultiOutputRegressor
multioutput.MultiOutputClassifier
multioutput.RegressorChain
neighbors.BallTree
neighbors.DistanceMetric
neighbors.KDTree
neighbors.KernelDensity
neighbors.LocalOutlierFactor
neural_network.MLPClassifier
neural_network.MLPRegressor
preprocessing.FunctionTransformer
svm.OneClassSVM
tree.ExtraTreeClassifier
tree.ExtraTreeRegressor
utils.Memory
utils.Parallel
covariance.GraphLasso
covariance.GraphLassoCV
preprocessing.Imputer
هذا 76 بينما قائمتك هي 62: إنها تستثني base.*
و exceptions.*
وهو أمر عادل بما فيه الكفاية ، adrinjalali ، مع تضمين أشياء غريبة مثل Sum
.
معذرة ، كلانا يشمل سوم. سخيف.
أخذ على GroupShuffleSplit
سأعمل على الدمية (DummyClassifier ، DummyRegressor).
هذه هي القائمة الحالية للفئات التي قد تحتاج إلى أمثلة:
base.BaseEstimator
base.BiclusterMixin
base.ClassifierMixin
base.ClusterMixin
base.DensityMixin
base.RegressorMixin
base.TransformerMixin
cluster.OPTICS
compose.ColumnTransformer
covariance.OAS
decomposition.DictionaryLearning
decomposition.MiniBatchDictionaryLearning
decomposition.SparseCoder
ensemble.BaggingClassifier
ensemble.BaggingRegressor
ensemble.ExtraTreesClassifier
ensemble.ExtraTreesRegressor
ensemble.GradientBoostingClassifier
ensemble.GradientBoostingRegressor
ensemble.IsolationForest
ensemble.RandomTreesEmbedding
exceptions.ChangedBehaviorWarning
exceptions.ConvergenceWarning
exceptions.DataConversionWarning
exceptions.DataDimensionalityWarning
exceptions.EfficiencyWarning
exceptions.NonBLASDotWarning
exceptions.UndefinedMetricWarning
feature_extraction.text.TfidfTransformer
feature_selection.SelectFromModel
gaussian_process.kernels.CompoundKernel
gaussian_process.kernels.ConstantKernel
gaussian_process.kernels.DotProduct
gaussian_process.kernels.ExpSineSquared
gaussian_process.kernels.Exponentiation
gaussian_process.kernels.Hyperparameter
gaussian_process.kernels.Kernel
gaussian_process.kernels.Matern
gaussian_process.kernels.PairwiseKernel
gaussian_process.kernels.Product
gaussian_process.kernels.RBF
gaussian_process.kernels.RationalQuadratic
gaussian_process.kernels.Sum
gaussian_process.kernels.WhiteKernel
impute.IterativeImputer
inspection.PartialDependenceDisplay
metrics.RocCurveDisplay
mixture.BayesianGaussianMixture
mixture.GaussianMixture
multiclass.OneVsRestClassifier
multiclass.OneVsOneClassifier
multiclass.OutputCodeClassifier
multioutput.ClassifierChain
multioutput.MultiOutputRegressor
multioutput.MultiOutputClassifier
multioutput.RegressorChain
neighbors.BallTree
neighbors.DistanceMetric
neighbors.KDTree
neighbors.KernelDensity
neighbors.LocalOutlierFactor
neural_network.MLPClassifier
neural_network.MLPRegressor
preprocessing.FunctionTransformer
svm.LinearSVC
tree.ExtraTreeClassifier
tree.ExtraTreeRegressor
utils.Memory
utils.Parallel
مرحباpspachtholzMechCoder، أود أن العمل في هذا الشأن. أنا مهتم بالمساهمة في scikit-Learn وأعتقد أن هذا يمكن أن يكون نقطة انطلاق جيدة.
شكرا
PyExtreme أعتقد أنه يمكنك المضي قدمًا وتحديد فئة واحدة / أكثر من القائمة التي تجدها مثيرة للاهتمام وإضافة أمثلة. أود بعد ذلك أن أنشر ما تعمل عليه هنا لتجنب تكرار العمل. للحصول على إرشادات ، يمكنك إلقاء نظرة على طلبات السحب المدمجة مسبقًا.
pspachtholz ، أنا أحصل على _ExtraTreesClassifier_ في البداية وبعد الالتزام ، أود أن أحصل على دفعات.
شكرا
عملت على تعزيز التدرج.
التقاط neural_network.MLPClassifier
& neural_network.MLPRegressor
أنا على svm.LinearSVC
أنا أعمل على sklearn.multioutput.MultiOutputClassifier
مرحبًا ، سأعمل على mixture.BayesianGaussianMixture
و mixture.GaussianMixture
أنا على feature_extraction.text.TfidfTransformer
. تمني لي حظا سعيدا!
أنا على feature_extraction.text.TfidfTransformer. تمني لي حظا سعيدا!
نعمل أيضًا على ذلك - ربما يمكننا مشاركة الأمثلة؟
التقاط ensemble.ExtraTreesClassifier
أنا أختار ensemble.BaggingRegressor
أنا أعمل على feature_selection.SelectFromModel
أنا أختار الجيران
أنا على ensemble.IsolationForest
على multiclass.OneVsRestClassifier
مرحبًا ، سأعمل على نواة عملية Gaussian ، بدءًا من gaussian_process.kernels.RBF
ثم أعمل النوى الأخرى باستخدام
العمل على ensemble.GradientBoostingClassifier
العمل على Perceptron
العمل على ensemble.GradientBoostingRegressor
التالي يصل tree.ExtraTreeClassifier
العمل على المجموعة
إلقاء نظرة على multiclass.OutputCodeClassifier
النظر في neighbors.LocalOutlierFactor
.
العمل على ensemble.RandomTreesEmbedding
التقاط
ensemble.ExtraTreesClassifier
مرحبًا jorahn ، لقد قدمت بالفعل
لا تتردد في اختيار وحدة أخرى.
أقترح البحث في التعليقات من قبل لمعرفة ما إذا كان هناك شخص ما يعمل بالفعل في فصل دراسي لتجنب العمل المكرر.
بالنسبة لبعض الفصول ، توجد بالفعل بعض طلبات mrg (ربما تكون قديمة) ، حيث يمكننا أن نسأل المؤلفين عما إذا كانوا لا يزالون يعملون بنشاط على ذلك.
flaviomorelliLBrummermschaffenroth فعلت التدرج الفرقة في هذا PR بالفعل # 15151
رائع حقًا راجع للشغل لمعرفة أن هذا يزيد السرعة :-)
التقاط
ensemble.ExtraTreesClassifier
مرحبًا jorahn ، لقد قدمت بالفعل
لا تتردد في اختيار وحدة أخرى.
أوه ، لم أر ذلك في هذه القضية. لذلك لدينا الآن اثنين من العلاقات العامة لذلك
تم توثيق Perceptron بالفعل.
العمل على tree.ExtraTreeRegressor
العمل على impute.IterativeImputer
pspachtholz ، أنا أحصل على _ExtraTreesClassifier_ في البداية وبعد الالتزام ، أود أن أحصل على دفعات.
شكرا
jorahn ، لقد ذكرت عنها منذ أسبوع واحد هنا فقط وكنت أعمل عليها بالفعل منذ أسبوع واحد.
العمل على OneVsOneClassifier.
أنا ذاهب للحصول على metrics.RocCurveDisplay
العمل على multioutput.ClassifierChain
العمل على PriorProbabilityEstimator
.
العمل على multioutput.MultiOutputRegressor
أخذ neighbors.BallTree
تم إهمال PriorProbabilityEstimator
في الإصدار 0.21 وستتم إزالته في الإصدار 0.23. لا يعمل على هذا.
العمل على covariance.OAS
تم توثيق SelectPercentile
بالفعل.
العمل على ensemble.ExtraTreesRegressor
أخذ
neighbors.BallTree
هناك بعض الأمثلة لـ BallTree و compose.ColumnTransformer
بالفعل
تم توثيق RANSACRegressor
بالفعل.
أخذ decomposition.SparseCoder
تم توثيق SelectKBest
بالفعل.
تم توثيق SpectralClustering
بالفعل
العمل على IsolationForest
العمل على
IsolationForest
مرحبًا zioalex ، لدي بالفعل علاقات عامة لهذا: # 15205. يسعدني تلقي الاقتراحات والتعليقات: مبتسم:
العمل في neighbors.DistanceMetric
.
العمل على multioutput.RegressorChain
العمل على exceptions.ConvergenceWarning
العمل على exceptions.ChangedBehaviorWarning
العمل على
exceptions.ChangedBehaviorWarning
بعد الانتقال إلى
لراحة بالك كن مثلنا ، لا تعمل على exceptions.ChangedBehaviorWarning
العمل على exceptions.DataDimensionalityWarning
أود العمل على القليل. سأبدأ مع البصريات.
مرحبا! لقد قمت للتو بترقية العلاقات العامة بعد إضافة مثال مقتطف رمز إلى مجموعات K-mean. هذه أول مساهمة لي مفتوحة المصدر ، لذا سيكون من الرائع أن يبحث أحد في هذا الأمر ويرى ما إذا كان يحتاج إلى المزيد من العمل!
شكرا مع تحياتي،
سمريتي سينغ
لقد راجعت القائمة من أكتوبر الماضي وتحققت من الفئات التي تم دمجها بالفعل / أمثلة. أفترض أنه يمكن تجاهل الادعاءات من العام الماضي أو منذ أكثر من ذلك ، والتي لم يحدث بشأنها أي شيء آخر.
لذلك تأتي هنا قائمة مهام محدثة:
لا تعمل على هذا ، فهي تعتمد على الإصدار: الاستثناءات
التحلل. SparseCoder # 15233
~ استثناءات أبعاد البيانات تحذير # 15246 ~
خليط بايزي - خليط غازي # 15193
خليط غاوسي # 15193
خرج متعدد. مصنف سلسلة # 15211
متعدد الإخراج. RegressorChain # 15215
فتح العلاقات العامة الجديدة:
التحلل ، القاموس ، التعلم # 16907
~ الاستثناءات ، الكفاءة ، تحذير # 16785 ~
~ الاستثناءات .UndefinedMetricWarning # 16784 ~
(تحرير: هؤلاء الموجودون في base
أكثر ملاءمة لدليل المطور ، دعنا نتجاهلهم في الوقت الحالي)
~ base.BaseEstimator ~
~ القاعدة
~ base.ClassifierMixin ~
~ القاعدة
~ القاعدة.الكثافة ميكسين ~
~ القاعدة
~ base.TransformerMixin ~
التحلل
~ الاستثناءات
~ feature_selection.SelectFromModel ~
gaussian_process.kernels.CompoundKernel
gaussian_process.kernels.Hyperparameter
~ gaussian_process.kernels.Kernel ~
~ التفتيش
~ multiclass.OneVsOneClassifier ~
~ متعدد المخرجات
~ استخدامات الذاكرة ~
~ الاستخدامات. بالتوازي ~
تحديث.
التغاير OAS # 16681
متعدد الإخراج. MultiOutputRegressor # 16698
شجرة. ExtraTreeClassifier # 16671
الجيران
الجيران
الجيران
استثناءات تحويل البيانات تحذير # 16704
متعدد الطبقات. OneVsOneClassifier # 16700
هل نريد أمثلة لفئات base.*
؟ أعتقد أنه من المنطقي أن يتم توثيقهم بشكل أفضل في developer guide
. MustafaHosny اللهم امين
متفق عليه أنه من الأفضل لدليل المطور. أنا أقوم بتحرير التعليق
أعتقد أنه تم إغلاقه بالصدفة.
multioutput.MultiOutputClassifier لديه بالفعل أمثلة. هل يجب تحديثها لتتضمن مثالاً على السمة أم يجب إزالتها من قائمة المهام؟
أعتقد أنه يمكن إزالته من القائمة. بفضل marenwestermann
أعتقد أنه يمكن إزالته من القائمة. بفضلmarenwestermann
حسنًا ، يمكن أيضًا إزالة feature_selection.SelectFromModel لأنه يحتوي على أمثلة أيضًا. (تمت إضافة هذه في أكتوبر من العام الماضي).
بخصوص utils.Memory
و utils.Parallel
:
قيل على موقع scikit-Learn "سيتم إزالتها في الإصدار 0.23". لقد راجعت ملف utils.__init__.py
حيث تعيش هذه الفئات وتمت إزالتها. لذلك يمكن حذفها من القائمة أيضًا.
سأحاول معالجة gaussian_process.kernels.Kernel
:)
بصرف النظر عن DictionaryLearning / MiniBatchDictionaryLearning PR ، ألقيت أيضًا نظرة على الجيران. * الفصول الدراسية: لديهم بالفعل مثال واحد على الأقل. تلك الخاصة بجيران. KDTree والجيران. يتم إنشاء BallTree من سلسلة تنسيق CLASS_DOC والتي يمكن العثور عليها في ملف التضمين _binary_tree.pxi ..
إنها المرة الأولى التي أساهم فيها بهذا المشروع. أود أن أنظر إلى الجيران. * الفصول بما في ذلك:
الجيران
الجيران
الجيران
ألقيت نظرة على gaussian_process.kernels.Kernel
. وفقًا للوثائق ، فهي "فئة أساسية لجميع النوى". لذلك ، فإن جميع سماته هي سمات خاصية للقراءة فقط (طرق ذات زخرفة @property
). بناءً على ما أفهمه ، ليس من المنطقي إضافة أمثلة إلى هذا الفصل لأنه لا يمكن استخدامه إلا مع فئة أخرى.
ومع ذلك ، إذا قمت بالتمرير إلى أسفل صفحة الويب الخاصة بـ gaussian_process.kernels.Kernel
فهناك رابط لمثال لكيفية استخدام هذه الفئة. تمت إضافة هذا في نوفمبر 2019. في هذا المثال ، تم إنشاء الفئة SequenceKernel
والتي ترث من فئة Kernel
. فئة SequenceKernel
ليست ميزة من ميزات scikit-Learn ولكنها قد تكون ميزة مثيرة للاهتمام لإضافتها.
الرجاء تصحيح أي شيء كتبته هنا خطأ.
نعم ، سيجعل الأمر معقدًا للغاية كتابة مثال لذلك. أنا سعيد لإزالته من القائمة.
Malesche exceptions.DataDimensionalityWarning
مغلق الآن وبالتالي يمكن حذفه من قائمة TODO.
بخصوص inspection.PartialDependenceDisplay
:
يُقال في وصف الفصل ، "يوصى باستخدام plot_partial_dependence
لإنشاء PartialDependenceDisplay
". كان لي نظرة على هذه الوظيفة وداخله PartialDependenceDisplay
كائن تم إنشاؤه ولها plot
يسمى الأسلوب. هناك أمثلة لكيفية استخدام plot_partial_dependence
، ولذلك أعتقد أنه لا داعي لإضافة أمثلة إلى inspection.PartialDependenceDisplay
. ما رأيك ، adrinjalali ؟
وافق marenwestermann
يمكن أيضًا حذف exceptions.NonBLASDotWarning
من قائمة TODO لأنه تم اتخاذ قرار بعدم وجود أمثلة في exceptions.py
(انظر # 17040).
NicolasHug ، amueller فقط في حالة رغبتك في استخدام هذه المشكلة كمسألة سباق ، يمكنك العثور هنا على قائمة الفئات التي لا تزال مفقودة أمثلة (بفضل نص جويل ، الذي عدله بنفسه ... :)). لقد قمت بالفعل بإزالة الفصول الدراسية base
و exceptions
. هل يمكنني اقتراح تعديل المشكلة بالقائمة في البداية فقط؟ سيسهل هذا تحديد الفئات المتاحة. العلاقات العامة لا تزال مفتوحة من سباقات السرعة السابقة (ليس فقط) مرتبطة بالقائمة: أعتقد أنه سيكون من المفيد الانتهاء منها قبل حدث جديد (شكرًا thomasjpfan على بدء بعض المراجعات بالفعل).
شكرًا على الاقتراح cmarmo ، لقد قمت بتحديث المشكلة.
مرحبًا ، سأحاول الحصول على gaussian_process.kernels.Hyperparameter
.
مرحبًا ، سأتناول linear_model.*
.
مرحبًا ، سوف نأخذ المجموعة
مرحبًا ، سوف نأخذ المجموعة
هذا بالفعل لديه مثال.
مرحبًا ، نأخذ الآن:
مرحبًا adrinjalali ، هل يمكنك مراجعة العلاقات العامة من فضلك؟ شكرا!
سوف أعمل مع emdupre أدناه كجزء من سباق مظلة البيانات.
مرحبًا adrinjalali ، يبدو أنه يمكننا بالفعل رؤية بعض الأمثلة أدناه. لم يتم تحديثه في قائمة المهام. الرجاء الاقتراح.
مرحبًا ، سأعمل على:
مرحبًا ، سأعمل على:
gaussian_process.kernels.CompoundKernel
إغلاق هذا لأن جميع العلاقات العامة قد تم دمجها ولا توجد فئات أخرى ذات صلة بدون أمثلة.
شكرًا @ j2heng على المساعدة في
أوه حقا. القائمة الموجودة في الأعلى قديمة؟
أوه نعم لقد دمجت العلاقات العامة الأخرى.
التعليق الأكثر فائدة
إغلاق هذا لأن جميع العلاقات العامة قد تم دمجها ولا توجد فئات أخرى ذات صلة بدون أمثلة.
شكرًا @ j2heng على المساعدة في