__202 年 5 月 23 日更新__
以下是剩余课程的列表:
课程中的大多数文档都缺少示例。 添加一两个与此类似的示例会很棒, http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html
我假设您的意思是使用每个估算器的小代码片段/doctest。
这是我将自动链接添加回相关的原因之一
显示已编译的 API 参考时来自图库的示例,例如
http://scikit-learn.org/dev/modules/generated/sklearn.manifold.Isomap.html#examples -using-sklearn-manifold-isomap。
不幸的是,没有直接的方法可以让这些渲染到哪里
doctest 示例确实如此(因此它们被降级到
numpydoc 生成之外的页面)。
2014年11月12日23:06,马诺库马尔[email protected]写道:
课程中的大多数文档都缺少示例。 添加一个会很棒
或两个类似的例子,
http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html—
直接回复此邮件或在 GitHub 上查看
https://github.com/scikit-learn/scikit-learn/issues/3846。
是的,我的意思可能是一两行(例如) https://github.com/scikit-learn/scikit-learn/pull/3802/files#diff -1741ad6b05f1eb0fd71af8bad0e001c7R321 只是为了显示 API。
这是我在显示已编译的 API 参考时添加回图库中相关示例的自动链接的原因之一
这太棒了。 我以前没有注意到它!
这太棒了。 我以前没有注意到它!
仅在开发中。 并隐藏在页面底部:(
你认为还有哪些地方会更好?
在类描述下方和参数上方?
在方法描述之前的任何地方都可以。 方法描述可能会在 API 参考页面上占据大量垂直空间,因此有人不太可能滚动过去寻找示例。
这么晚才回复很抱歉。 我想这不是太容易做到吗? 否则你会自己做吗?
不,它甚至比当前的方法更黑客!
自2014年11月19日21:59,马诺库马尔[email protected]写道:
这么晚才回复很抱歉。 我想这不是太容易做到吗? 别的
你会自己做吗?—
直接回复此邮件或在 GitHub 上查看
https://github.com/scikit-learn/scikit-learn/issues/3846#issuecomment -63623385
.
简单地将示例添加到缺少的类的文档字符串中如何?
这些是目前缺少Examples
部分的估算器(98 - 10 / 148):-
完成/在制品
ExtraTreesRegressor
BaggingClassifier
BaggingRegressor
AdaBoostRegressor
GradientBoostingRegressor
不需要
ExtraTreeClassifier # Used only in ensembling
ExtraTreeRegressor # -do-
去做
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
当然,但你不觉得这有点乏味吗? 除非你有剧本。
我想了解一下所有这些估算器......我认为这是一个很好的方法:) 我要开始研究它吗?
当然!
我正在研究这个。
@ltcguthrie哪个部分? 有许多模型可以用于此。
我将从 TfidfVectorizer 开始。
处理 RandomForestClassifier 和 RandomForestRegressor
致力于 PassiveAggressiveClassifier、PassiveAggressiveRegressor
工作于 LinearSVC、LinearSVR
在 StandardScaler、MinMaxScaler 上工作
在 ElasticNet、ElasticNetCV 上工作
此外,为完成/撤消对象列表创建了谷歌文档
https://docs.google.com/spreadsheets/d/19D-RQocsLk4BM7-Xax8hVvIu3XDgwYSUnvja4cMrJww/edit#gid =0
@lodurality您还可以在此处使用复选框创建列表
我将把它标记为 0.21 和很好的第一个问题,因为我相信为每个类包含一个小例子会很有帮助。
在sklearn/cluster
嗨,我正在为 Imputer 添加一个示例作为第一个贡献。
进行线性回归: http :
致力于 TfidfVectorizer 和 CountVectorizer。
看起来这些已在#7961 、 #8519和#8525 中处理,但尚未完成或合并。
还在sklearn/feature_extraction/text.py
处理 HashingVectorizer 。
以OPTICS
。 (取决于#11677)
拿sklearn/feature_selection/univariate_selection.py
我认为即使有错误,您仍然可以为 OPTICS 提供示例:)
@qinhanmin2014你的意思是一个没有异常值的例子,这样它就不会显示错误吗? 我想最好有一个例子来说明OPTICS
检测异常值,而且我怀疑一旦该错误被修复,我们就会忘记更改示例。 一旦问题得到解决,我可以在 _bug_ 问题中写一个注释来修复示例,但是初始示例将不会有异常值。 我应该这样做吗?
你的意思是一个没有异常值的例子,这样它就不会显示错误?
不,我的意思是一个有异常值的,比如 DBSCAN
我没有研究过这个错误,但我希望 OPTICS 大部分时间都可以检测到正确的异常值,因此您仍然可以构建一个示例。 如果不是这种情况,我认为我们需要将错误标记为阻止程序。
公平地说,我会尝试看看我是否能找到一个可以正常工作的简单示例。
承担sklearn/linear_model/ridge.py
承担sklearn/covariance/graph_lasso_.py
服用sklearn/linear_model/logistic.py
参加preprocessing
课程。
采取感知器
我已经在 Perceptron 类中添加了示例,但由于某些未知原因它不起作用。
需要帮助,我是新手!(ps-我已经创建了一个拉取请求)。
服用sklearn/random_projection
[[MRG] Perceptron.py 中的感知器示例到 scikit-learn/scikit-learn/linear_model/perceptron.py #11798
以“sklearn/流形”
我正在研究 sklearn.feature_extraction.image.PatchExtractor
Andrea 和我将研究 sklearn.cluster.Ward 和 LedoitWolf 示例。 我们正在更新 Excel 跟踪器,以确保没有人进行任何重复的工作。
我正在研究 sklearn.decomposition.DictionaryLearning
我们刚刚从@lodurality更新了谷歌文档:
https://docs.google.com/spreadsheets/d/19D-RQocsLk4BM7-Xax8hVvIu3XDgwYSUnvja4cMrJww/edit#gid =0
我和石萌会处理失踪的。
@andreanr ,那个文档
@adrinjalali是的,当然,我们将完成当前列表中的优秀项目,然后我们将根据更新的模块更新列表。
@andreanr你也在学习ensemble.gradient_boosting
的课程吗? 否则,我想为此而努力。
@daten-kieker 继续!
你好,
还有什么我可以贡献的吗?
谢谢。
@srividhyaprakash我只在ensemble.gradient_boosting
为估算器添加了示例。 你可以看看其他类。
@daten-kieker,感谢您的回复。 这是我第一次在公共维护良好的回购中。 您能否指导我为示例提交样式和格式的可能入门指南?
谢谢。
您好,请问还有什么可以帮到您的吗?
如果它仍然可用,我可以处理 LinearRegression 文档字符串吗?
@adrinjalali抱歉,我刚刚阅读了不同的提交,我看到您已经在 #11975 中完成了 LinearRegression 。 我可以处理 LogisticRegression 文档字符串吗?
我们有点忘记了这里剩下的东西。 一个贡献是实际检查所有公共类并列出仍然需要示例的类,然后从那里获取它。
@adrinjalali ,我可以编制一份剩下的清单
@adrinjalali ,我太兴奋了,忘了问,这个项目的特定分支有最新的更新吗?
大师有最新的更新。 另一方面,一种方法可能是
考虑生成的 API 文档(例如在
https://github.com/scikit-learn/scikit-learn.github.io/tree/master/dev/modules/generated)
和不包含class="rubric">Examples
文件的 grep
@jnothman ,谢谢,
这里需要更多帮助来更新现有文档或创建新文档..?
它也将帮助我开始使用开源......所以任何方向或工作将不胜感激。
我们仍然需要一个没有示例的类的更新列表。 平@Khayyon1?
@Khayyon1你完成了清单还是需要一些帮助..?
@adrinjalali ,我将不得不放弃它,因为在我要求提供帮助后不久学校就恢复了,我一直无法解决这个问题,我很抱歉
@adrinjalali所以我应该看看@raghavrv提到的列表中还剩下
@coderop2这是一个 3-4 年前的列表,可能更好地开始一个新的!
迟到的回复请见谅...等我的大学考试一结束,我就会开始编制一份新的清单,同时牢记旧的清单....我希望这足以作为大家的参考
$ # 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.
...
不确定这是准确的
这可能是一个更准确的,仍然有误报。 另外,假设我们不需要 Mixin 和 Warning 类的示例。
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
是的,我有错误的查找,给出了很多误报。 这个更好:
$ 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
这是 76,而您的列表是 62:它不包括base.*
和exceptions.*
这很公平, @adrinjalali ,同时包括像Sum
这样奇怪的东西。
抱歉,我们都包括 Sum。 愚蠢的。
接受 GroupShuffleSplit
我会在虚拟(DummyClassifier,DummyRegressor)上工作。
这是可能需要示例的当前类列表:
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
嗨@pspachtholz @MechCoder ,我想为此工作。 我有兴趣为 scikit-learn 做出贡献,并认为这是一个很好的起点。
谢谢
@PyExtreme我认为您可以继续,从列表中选择您感兴趣的一个/多个类并添加示例。 然后我会在这里发布你正在做的事情以避免重复工作。 有关指导,您可以查看以前合并的拉取请求。
@pspachtholz ,我最初选择了_ExtraTreesClassifier_ ,在提交后,我想分批选择。
谢谢
致力于梯度提升。
捡起neural_network.MLPClassifier
和neural_network.MLPRegressor
我在svm.LinearSVC
我正在处理sklearn.multioutput.MultiOutputClassifier
嗨,我将处理mixture.BayesianGaussianMixture
和mixture.GaussianMixture
我在feature_extraction.text.TfidfTransformer
。 祝我好运!
我在 feature_extraction.text.TfidfTransformer 上。 祝我好运!
也在努力 - 也许我们可以分享例子?
捡起ensemble.ExtraTreesClassifier
我正在选择ensemble.BaggingRegressor
我正在处理feature_selection.SelectFromModel
我在挑选邻居。KernelDensity
我在ensemble.IsolationForest
在multiclass.OneVsRestClassifier
嘿,我将研究高斯过程内核,从gaussian_process.kernels.RBF
,然后使用@thorbenjensen做其他内核
处理ensemble.GradientBoostingClassifier
处理Perceptron
处理ensemble.GradientBoostingRegressor
接下来tree.ExtraTreeClassifier
在 ensemble.GradientBoostingRegressor 上工作
看看multiclass.OutputCodeClassifier
看着neighbors.LocalOutlierFactor
。
在ensemble.RandomTreesEmbedding
捡起
ensemble.ExtraTreesClassifier
嗨@jorahn ,我已经
请随意选择另一个模块。
我建议先查看评论,看看是否有人已经在上课,以避免重复工作。
对于某些类,已经有一些(可能是陈旧的)mrg 请求,我们可以在其中询问作者他们是否仍在积极处理它。
@flaviomorelli @LBrummer @mschaffenroth我已经在这个 PR 中做了集成渐变 #15151
顺便说一句,看到这正在加快速度真的很酷:-)
捡起
ensemble.ExtraTreesClassifier
嗨@jorahn ,我已经
请随意选择另一个模块。
哦,没有看到这个问题。 所以我们现在有两个 PR
感知器已经被记录在案。
在tree.ExtraTreeRegressor
在impute.IterativeImputer
@pspachtholz ,我最初选择了_ExtraTreesClassifier_ ,在提交后,我想分批选择。
谢谢
@jorahn ,我 1 周前才在这里提到过它,并且从 1 周起就一直在研究它。
在 OneVsOneClassifier 上工作。
我要去metrics.RocCurveDisplay
在multioutput.ClassifierChain
处理PriorProbabilityEstimator
。
处理 multioutput.MultiOutputRegressor
服用neighbors.BallTree
PriorProbabilityEstimator
在 0.21 版中已弃用,并将在 0.23 版中删除。 不致力于这个。
处理covariance.OAS
SelectPercentile
已经记录在案。
在ensemble.ExtraTreesRegressor
服用
neighbors.BallTree
已经有一些 BallTree 和compose.ColumnTransformer
例子
RANSACRegressor
已经记录在案。
服用decomposition.SparseCoder
SelectKBest
已经记录在案。
SpectralClustering
已经记录在案
处理IsolationForest
处理
IsolationForest
嗨@zioalex ,我已经有了一个 PR:#15205。 很高兴接受建议和评论 :smiley:
在neighbors.DistanceMetric
。
在multioutput.RegressorChain
在exceptions.ConvergenceWarning
在exceptions.ChangedBehaviorWarning
在
exceptions.ChangedBehaviorWarning
在接受@adrinjalali 之后,我们得出结论,最好不要处理这个问题,因为它依赖于版本。 它可能会被转移到其他地方。
为了您的安心,请像我们一样,不要在exceptions.ChangedBehaviorWarning
处理exceptions.DataDimensionalityWarning
我想从事一些工作。 我将从光学开始。
你好! 在向 K-means 聚类添加示例代码片段后,我刚刚提出了 PR。 这是我的第一个开源贡献,所以如果有人能研究一下,看看它是否需要更多的工作,那就太好了!
谢谢并恭祝安康,
斯姆里蒂·辛格
我查看了去年 10 月的列表并检查了哪些类已经合并了 PR/示例。 我认为去年或更久以前的索赔,没有发生任何进一步的事情,可以忽略不计。
所以这里有一个更新的待办事项列表:
不解决这个问题,它依赖于发布: exceptions.ChangedBehaviorWarning
分解.SparseCoder #15233
~exceptions.DataDimensionalityWarning #15246~
mix.BayesianGaussianMixture #15193
mix.GaussianMixture #15193
multioutput.ClassifierChain #15211
multioutput.RegressorChain #15215
新打开的prs:
分解.DictionaryLearning #16907
~exceptions.EfficiencyWarning #16785~
~exceptions.UndefinedMetricWarning #16784~
(编辑: base
那些更适合开发人员指南,让我们暂时忽略它们)
~base.BaseEstimator~
~base.BiclusterMixin~
~base.ClassifierMixin~
~base.ClusterMixin~
~base.DensityMixin~
~base.RegressorMixin~
~base.TransformerMixin~
分解.MiniBatchDictionaryLearning
~exceptions.NonBLASDotWarning~
~feature_selection.SelectFromModel~
gaussian_process.kernels.CompoundKernel
gaussian_process.kernels.Hyperparameter
~gaussian_process.kernels.Kernel~
~inspection.PartialDependenceDisplay~
~multiclass.OneVsOneClassifier~
~multioutput.MultiOutputClassifier~
~utils.Memory~
~utils.Parallel~
更新。
协方差.OAS #16681
multioutput.MultiOutputRegressor #16698
tree.ExtraTreeClassifier #16671
邻居.DistanceMetric
邻居.KDTree
邻居.LocalOutlierFactor
exceptions.DataConversionWarning #16704
multiclass.OneVsOneClassifier #16700
我们需要base.*
类的示例吗? 我想将它们更好地记录在developer guide
更有意义。 WDYT @jnothman @NicolasHug ?
同意开发人员指南更好。 我正在编辑评论
我认为它是意外关闭的。
multioutput.MultiOutputClassifier 已经有例子。 应该更新以包含属性示例还是应该将其从 TO DO 列表中删除?
我认为它可以从列表中删除。 谢谢@marenwestermann
我认为它可以从列表中删除。 谢谢@marenwestermann
好的,那么 feature_selection.SelectFromModel 也可以删除,因为它也有示例。 (这些是去年 10 月添加的。)
关于utils.Memory
和utils.Parallel
:
在 scikit-learn 网站上,据说它们“将在 0.23 版中删除”。 我检查了这些类所在的utils.__init__.py
文件,它们已被删除。 因此,这些也可以从列表中删除。
我会尝试解决gaussian_process.kernels.Kernel
:)
除了上面的DictionaryLearning/MiniBatchDictionaryLearning PR,我也看看了neighbors.* classes:他们都至少有一个例子。 用于neighbors.KDTree 和neighborTree 的那些是从CLASS_DOC 格式字符串生成的,该字符串可以在_binary_tree.pxi 包含文件中找到。
这是我第一次贡献这个项目。 我想了解邻居。* 课程包括:
邻居.DistanceMetric
邻居.KDTree
邻居.LocalOutlierFactor
我看了一下gaussian_process.kernels.Kernel
。 根据文档,它是“所有内核的基类”。 因此,它的所有属性都是只读的属性属性(带有@property
装饰器的方法)。 因此,根据我的理解,向此类添加示例没有意义,因为它只能与另一个类结合使用。
但是,如果您滚动到gaussian_process.kernels.Kernel
网页的底部,则会有一个指向如何使用此类的示例的链接。 这在2019年十一月加入在该示例中,类SequenceKernel
创建从它继承Kernel
类。 SequenceKernel
类不是 scikit-learn 的功能,但可能是一个有趣的添加功能。
如果我在这里写的任何内容有误,请纠正我。
是的,为它编写示例会变得太复杂。 我很高兴它从列表中删除。
@Malesche exceptions.DataDimensionalityWarning
现在已关闭,因此可以从 TODO 列表中删除。
关于inspection.PartialDependenceDisplay
:
在类描述中说,“建议使用plot_partial_dependence
来创建PartialDependenceDisplay
”。 我查看了这个函数,在其中创建了一个PartialDependenceDisplay
对象,并调用了它的plot
方法。 有关于如何使用plot_partial_dependence
示例,因此我认为没有必要向inspection.PartialDependenceDisplay
添加示例。 你怎么看, @adrinjalali ?
同意@marenwestermann
exceptions.NonBLASDotWarning
也可以从 TODO 列表中删除,因为已经决定不将示例放在exceptions.py
中(参见 #17040)。
感谢@cmarmo的建议,我更新了问题。
嗨,我会尝试接受gaussian_process.kernels.Hyperparameter
。
嗨,我会接受linear_model.*
。
嗨,我们将采用 ensemble.GradientBoostingClassifier
嗨,我们将采用 ensemble.GradientBoostingClassifier
这个已经有例子了。
嘿,我们现在采取:
嘿@adrinjalali ,你能检查一下公关吗? 谢谢!
@emdupre和我将在下面作为数据伞冲刺的一部分工作。
你好@adrinjalali ,似乎我们已经可以看到下面的一些例子。 它没有在待办事项列表中更新。 请建议。
嗨,我将致力于:
你好,我将致力于:
gaussian_process.kernels.CompoundKernel
由于所有 PR 已合并并且没有更多没有示例的相关类,因此关闭此操作。
感谢@j2heng在 sprint 期间帮助进行分类!
真的吗。 顶部的列表已过时?
哦,是的,我合并了另一个 PR。
最有用的评论
由于所有 PR 已合并并且没有更多没有示例的相关类,因此关闭此操作。
感谢@j2heng在 sprint 期间帮助进行分类!