Scikit-learn: random_state विवरण को अधिक जानकारीपूर्ण बनाएं और शब्दावली देखें

को निर्मित 29 जन॰ 2018 · 60टिप्पणियाँ · स्रोत: scikit-learn/scikit-learn

हमने हाल ही में अपने दस्तावेज़ीकरण में एक शब्दकोष जोड़ा है, जो अन्य बातों के अलावा सामान्य मापदंडों का वर्णन करता है। अब हमें random_state मापदंडों के विवरण को अधिक संक्षिप्त और सूचनात्मक बनाने के लिए प्रतिस्थापित करना चाहिए (#10415 देखें)। उदाहरण के लिए, के बजाय

    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`.

KMeans और MiniBatchKMeans दोनों में, हमारे पास हो सकता है:

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>`.

इसलिए, विवरण को इस बात पर ध्यान देना चाहिए कि एल्गोरिथम पर random_state क्या प्रभाव है।

इस परिवर्तन में योगदान देने में रुचि रखने वाले योगदानकर्ताओं को शुरू में एक समय में एक मॉड्यूल लेना चाहिए।

संशोधित किए जाने वाले अनुमानकों की सूची निम्नलिखित है:

Kwinata स्क्रिप्ट का उपयोग करके संशोधित करने के लिए फ़ाइलों की सूची

[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) - ५७८ , ७३८
[ ] [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) - ६८७
[x] [sklearn/random_projection.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/random_projection.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) - ३६८ , ५०२
[x] [sklearn/utils/random.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/utils/random.py) - ३९ ओपन पीआर
[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) - ५०३ , ९०२
[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) - ९६५ , १२८२ , १५५९ , १८६८ , २१०३
[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) - ५२
[x] [sklearn/ensemble/_weight_boosting.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/ensemble/_weight_boosting.py) - १८८ , ३२४ , ४७९ , ०० , १०२२
[x] [sklearn/decomposition/_truncated_svd.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_truncated_svd.py) - 59 पीआर खोलें
[x] [sklearn/decomposition/_kernel_pca.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_kernel_pca.py) - 79 पीआर खोलें
[x] [sklearn/decomposition/_dict_learning.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_dict_learning.py) - 364 , 485 , 692 , 1135 , १३२५ ओपन पीआर
[x] [sklearn/decomposition/_fastica.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_fastica.py) - 205 , 344 पीआर खोलें
[x] [sklearn/decomposition/_nmf.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_nmf.py) - 290 , 475 , 966 , 1159 खुला जनसंपर्क
[x] [sklearn/decomposition/_pca.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_pca.py) - 192 ओपन पीआर
[x] [sklearn/decomposition/_sparse_pca.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_sparse_pca.py) - 82 , 285 पीआर खोलें
[x] [sklearn/decomposition/_lda.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_lda.py) - 60 , 79 , 225 पीआर खोलें
[x] [sklearn/decomposition/_factor_analysis.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/decomposition/_factor_analysis.py) - 92 ओपन पीआर
[x] [sklearn/cluster/_kmeans.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/cluster/_kmeans.py) - ५६ , २४१ , ३८० , ५८३ , 700 , 1150 , 1370
[x] [sklearn/cluster/_spectral.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/cluster/_spectral.py) - ४१ , १९७ , ३१३
[x] [sklearn/cluster/_bicluster.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/cluster/_bicluster.py) - २३६ , ३८३
[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) - २१७८ , २६०७
[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 ओपन पीआर
[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 , १६६५ , १८५१ , २०१६ , २१ ९ पीआर
[x] [sklearn/linear_model/_sag.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_sag.py) - 154 ओपन पीआर
[x] [sklearn/linear_model/_perceptron.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_perceptron.py) - 55 ओपन पीआर
[x] [sklearn/linear_model/_passive_aggressive.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_passive_aggressive.py) - 76 , 322 ओपन पीआर
[x] [sklearn/linear_model/_logic.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_logic.py) - 587 , 924 , 1100 , 1658 खुला जनसंपर्क
[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) - ३६९ , ८११ , १४१९ ओपन पीआर
[x] [sklearn/linear_model/_theil_sen.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_theil_sen.py) - २४३ ओपन पीआर
[x] [sklearn/linear_model/_ridge.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/linear_model/_ridge.py) - ३२५ , ६९३ , ८५३ पीआर खोलें
[x] [sklearn/tree/_classes.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/tree/_classes.py) - ६५३ , १०३३ , १३२२ , १५५२
[x] [sklearn/feature_selection/_mutual_info.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/feature_selection/_mutual_info.py) - २२६ , ३३५ , ४१४
[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) - ९० , ३१२ , ५४६ , ७५२ खुला जनसंपर्क
[x] [sklearn/svm/_base.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/svm/_base.py) - ८५३ ओपन पीआर
[x] [sklearn/inspection/_permutation_importance.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/inspection/_permutation_importance.py) - ८१
[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) - १७१ , ३८७
[x] [sklearn/manifold/_locally_linear.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/manifold/_locally_linear.py) - १४६ , २५२ , ५८४
[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) - ५१ , १९८ , ३१४
[x] [sklearn/utils/_testing.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/utils/_testing.py) - ५२१
[x] [sklearn/utils/__init__.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/utils/__init__.py) - ४७८ , ६२३
[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) - १२७ , ३२३ , ४४० , ५३१ , 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) - ६४
[x] [sklearn/datasets/_base.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/_base.py) - १५७
[x] [sklearn/datasets/_twenty_newsgroups.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/datasets/_twenty_newsgroups.py) - 187
[x] [sklearn/mixture/_bayesian_mixture.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/mixture/_bayesian_mixture.py) - १६६
[x] [sklearn/mixture/_base.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/mixture/_base.py) - 139
[x] [sklearn/mixture/_gaussian_mixture.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/mixture/_gaussian_mixture.py) - ५०४
[x] [sklearn/model_selection/_validation.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/model_selection/_validation.py) - १००६ , ११७६
[x] [sklearn/model_selection/_split.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/model_selection/_split.py) - ३८२ , ५८८ , १०९१ , ११ ९ ६ , १२५० , १३ ९ ० , १४९२ , १६०५ , २०४९ ओपन पीआर
[x] [sklearn/model_selection/_search.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/model_selection/_search.py) - २०७ , १२९९
[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/neighbors/_kde.py) - 233
[x] [sklearn/neighbors/_nca.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/neighbors/_nca.py) - 112
[x] [sklearn/covariance/_robust_covariance.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/covariance/_robust_covariance.py) - ६३ , २३३ , ३२८ , ५४५
[x] [sklearn/covariance/_elliptic_envelope.py](https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/covariance/_elliptic_envelope.py) - ४०

Documentation Moderate Sprint good first issue

स्रोत

jnothman

सबसे उपयोगी टिप्पणी

हम sklearn/preprocessing/_data.py - 2178, 2607 . पर काम करना चाहते हैं
@rachelcjordan और @fabi-cast

wimlds #SciKitLearnSprint

Olks 25 जन॰ 2020

👍2

सभी 60 टिप्पणियाँ

हाय @jnothman , क्या मैं इस मुद्दे को उठा सकता हूं? धन्यवाद

aby0 29 जन॰ 2018

एक मॉड्यूल/उपपैकेज का दावा करें और देखें...

30 जनवरी 2018 को 00:24 बजे, सौम्या आनंद ने नोटिफिकेशन @github.com लिखा:

हाय @jnothman https://github.com/jnothman , क्या मैं इस मुद्दे को उठा सकता हूं? धन्यवाद
-
आप इसे प्राप्त कर रहे हैं क्योंकि आपका उल्लेख किया गया था।
इस ईमेल का सीधे उत्तर दें, इसे GitHub पर देखें
https://github.com/scikit-learn/scikit-learn/issues/10548#issuecomment-361243951 ,
या थ्रेड को म्यूट करें
https://github.com/notifications/unsubscribe-auth/AAEz62ie2pMFVg7uM6_MVnmWKRX-efgHks5tPcaHgaJpZM4Rwij3
.

jnothman 29 जन॰ 2018

@jnothman मुझे अनुभवहीन होने के लिए खेद है, लेकिन क्या आप मॉड्यूल/

aby0 29 जन॰ 2018

मुझे लगता है कि @jnothman का मतलब सिर्फ एक फ़ाइल से शुरू होता है, उदाहरण के लिए sklearn/cluster/k_means_.py, random_state डॉकस्ट्रिंग को शीर्ष पोस्ट की तरह अपडेट करें और एक पीआर खोलें।

lesteve 29 जन॰ 2018

एक सबपैकेज sklearn.cluster . जैसा कुछ है

jnothman 29 जन॰ 2018

धन्यवाद। ऐसा करेंगे और एक पीआर खोलेंगे।

aby0 30 जन॰ 2018

नमस्ते! @jnothman

क्या आप निम्न टिप्पणियों को भी बदलना चाहेंगे जैसा कि grid_search.py में देखा गया है? आपके द्वारा साझा की गई लाइन की तुलना में उनके पास एक अतिरिक्त लाइन है।

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 30 जन॰ 2018

मैं grid_search.py और k_means.py(KMeans) ले सकता हूं।

shivamriky 30 जन॰ 2018

grid_search.py को अकेला छोड़ दें। यह बहिष्कृत है। विचार को कम करना है
सामग्री जो दोहराई जाती है, और शब्दावली में उपलब्ध है, ताकि हम कर सकें
में random_state की भूमिका के बारे में उपयोगकर्ताओं को सबसे अधिक जानकारीपूर्ण विवरण दें
विशेष अनुमानक।

jnothman 30 जन॰ 2018

धन्यवाद @jnothman। इससे पहले कि मैं इस random_state जानकारी को बदल सकूं, क्या मुझे इन एल्गोरिदम को समझने की आवश्यकता होगी?

shivamriky 31 जन॰ 2018

आपको एल्गोरिदम को व्यापक रूप से समझने की आवश्यकता होगी, लेकिन प्रत्येक विवरण नहीं
उनका कार्यान्वयन। आपको यह पता लगाने में सक्षम होना होगा कि random_state . कहां है
का उपयोग किया जाता है, यदि एल्गोरिथम में रैंडमाइजेशन पूरी तरह से स्पष्ट नहीं है।
कुछ मामलों में, इससे अधिक विवरण न देना भी उचित हो सकता है
बस शब्दावली से जुड़ना; हमें देखना होगा कि यह कैसे जाता है।

jnothman 31 जन॰ 2018

ठीक है धन्यवाद। मैं धीरे-धीरे एल्गोरिदम के माध्यम से जाना शुरू करूंगा।

सादर,
शिवम रस्तोगी

shivamriky 3 फ़र॰ 2018

मैंने एक पुल अनुरोध खोला है #10614

shivamriky 10 फ़र॰ 2018

चूँकि @ aby0 ने अभी तक sklearn.cluster मॉड्यूल पर दावा नहीं किया है। मैं पूरे मॉड्यूल पर दावा करना चाहता हूं। कृपया मुझे बताएं कि क्या मैं इस पर काम कर सकता हूं या मुझे किसी और चीज पर काम करना चाहिए।

shivamriky 10 फ़र॰ 2018

कोई अपडेट दोस्तों? यह हमारे लिए एक लंबी छुट्टी है इसलिए मुझे बताएं कि क्या मैं इसे चुन सकता हूं।

shivamriky 15 फ़र॰ 2018

मैं datasets मॉड्यूल लूंगा क्योंकि मैं पहले से ही वहां #10731 के लिए डॉकस्ट्रिंग में घूम रहा हूं।

richford 28 फ़र॰ 2018

मैं linear_model मॉड्यूल का दावा कर रहा हूं। ~~जल्द ही जनसंपर्क करेंगे।~~ # 11900 उठाया।

अगले decomposition मॉड्यूल का दावा करना।

SirR4T 23 अग॰ 2018

मॉड्यूल की चेकलिस्ट जहां इसे करने की आवश्यकता है:

[] डेवलपर्स
[ ] सहप्रसरण
[एक्स] अपघटन
[ ] डमी.py
[] पहनावा
[ ] सुविधा निकासी
[ ] फीचर चयन
[ ] गाऊसी_प्रक्रिया
[ ] kernel_approximation.py
[x] रेखीय_मॉडल #११९०० . के माध्यम से
[] कई गुना
[ ] मेट्रिक्स
[] मिश्रण
[] मॉडल_चयन
[] multiclass.py
[ ] multioutput.py
[ ] पड़ोसियों
[ ] तंत्रिका नेटवर्क
[] प्रीप्रोसेसिंग
[ ] random_projection.py
[ ] एसवीएम
[ ] पेड़
[ ] बर्तन

SirR4T 23 अग॰ 2018

सही संतुलन कैसे बनाया जाए, इस पर आम सहमति तक पहुंचने में हमें कुछ परेशानी हुई
यहाँ, आईआईआरसी

jnothman 23 अग॰ 2018

तो ऊपर मर्ज किए गए पूर्व पीआर पर ध्यान दें

jnothman 23 अग॰ 2018

@jnothman धन्यवाद! एक int पास करते समय पुनरुत्पादन का उल्लेख करने के लिए पीआर अपडेट करेगा।

SirR4T 23 अग॰ 2018

अन्य सभी मॉड्यूल को दूसरे पीआर में लेने के लिए तैयार हैं, एक बार इनकी समीक्षा हो जाने के बाद ...

SirR4T 25 अग॰ 2018

मैं सहप्रसरण का दावा कर रहा हूँ।

BlackTeaAndCoffee 1 सित॰ 2018

@BlackTeaAndCoffee कृपया जागरूक

SirR4T 1 सित॰ 2018

मैं फीचर_एक्सट्रैक्शन का दावा कर रहा हूं

erodrago 22 जून 2019

@jnothman, @NicolasHug, बस # 15222 की खोज की और इसे से संबंधित पीआर की एक संख्या है कि मैं खाते में यह एक सारांश में नहीं लिया है ... उनमें से कुछ की समीक्षा की गयी कभी नहीं कर रहे हैं ... :(
स्प्रिंट के लिए चीजों को स्पष्ट करने के लिए, मैं सोच रहा हूं कि क्या हम उन दो मुद्दों में से एक को बंद कर सकते हैं: यदि हां, तो कौन सा? जैसा कि मैं डुप्लिकेट जानकारी से बच सकता हूं। आपके सहयोग के लिए धन्यवाद।

cmarmo 8 जन॰ 2020

मुझे इस मुद्दे के बारे में पता नहीं था (बेहतर जांच करनी चाहिए थी), मुझे इसके पक्ष में https://github.com/scikit-learn/scikit-learn/issues/15222 को बंद करने में खुशी हो रही है

NicolasHug 8 जन॰ 2020

@jnothman टिप्पणी के बाद शायद यह मुद्दा 'मध्यम' लेबल के लायक हो सकता है?

cmarmo 9 जन॰ 2020

हम पहनावा/_hist_gradient_boosting/binning पर काम करना चाहते हैं।
@mojc और मैं।

विमल्ड्स

Malesche 25 जन॰ 2020

@anaisabeldhero और मैं कई गुना काम करना चाहते हैं/*
#wimlds #SciKitLearnSprint

daphn3k 25 जन॰ 2020

@ daphn3k और मैं sklearn/gaussian_process/ पर काम करूंगा

wimlds #SciKitLearnSprint

anaisabeldhero 25 जन॰ 2020

हम sklearn/preprocessing/_data.py - 2178, 2607 . पर काम करना चाहते हैं
@rachelcjordan और @fabi-cast

wimlds #SciKitLearnSprint

Olks 25 जन॰ 2020

👍2

मैं और @Malesche sklearn/inspection/_permutation_importance.py लेना चाहते हैं

वाईएमएलडीएस

mojc 25 जन॰ 2020

👍1

sklearn/metrics/cluster/_unsupervised.py फ़ाइल का दावा! #विमल्ड्स

stareh 25 जन॰ 2020

@ daphn3k और मैं सहप्रसरण/* और पड़ोसियों/* #wimlds . को भी लेते हैं

anaisabeldhero 25 जन॰ 2020

दावा:
sklearn/dummy.py - 59
sklearn/multioutput.py - 578, 738
sklearn/kernel_approximation.py - 41, 143, 470
sklearn/multiclass.py - 687
sklearn/random_projection.py - 178, 245, 464, 586

stareh 25 जन॰ 2020

पीएसए: कृपया मूल वाक्य का प्रयोग करें

एकाधिक फ़ंक्शन कॉल में पुनरुत्पादित परिणामों के लिए एक int पास करें।

इस समय मैं पीआर में जो देख रहा हूं उसके बजाय:

यादृच्छिकता को नियतात्मक बनाने के लिए एक इंट का उपयोग करें

जो सही नहीं है, क्योंकि जो कुछ भी पारित किया गया है, उसके बावजूद RNG हमेशा नियतात्मक होता है

CC @adrinjalali क्योंकि मुझे लगता है कि आप स्प्रिंट पर हैं

NicolasHug 25 जन॰ 2020

👍1

तंत्रिका नेटवर्क और मिश्रण पर काम करना

anaisabeldhero 25 जन॰ 2020

पीएसए: कृपया मूल वाक्य का प्रयोग करें
एकाधिक फ़ंक्शन कॉल में पुनरुत्पादित परिणामों के लिए एक int पास करें।
इस समय मैं पीआर में जो देख रहा हूं उसके बजाय:
यादृच्छिकता को नियतात्मक बनाने के लिए एक इंट का उपयोग करें
जो सही नहीं है, क्योंकि जो कुछ भी पारित किया गया है, उसके बावजूद RNG हमेशा नियतात्मक होता है
CC @adrinjalali क्योंकि मुझे लगता है कि आप स्प्रिंट पर हैं

हाय @NicolasHug यह एक पीआर टिप्पणी करने के लिए था जो मुझे लगता है ... कौन सा? :)

cmarmo 25 जन॰ 2020

scikit-learn/sklearn/model_selection/_validation.py . पर काम करने जा रहे हैं

rachelcjordan 25 जन॰ 2020

@cmarmo यह सभी

NicolasHug 25 जन॰ 2020

@cmarmo यह सभी

क्षमा करें @NicolasHug , मेरा बुरा, मुझे टिप्पणी का पता लगाना आसान नहीं लगा।

cmarmo 25 जन॰ 2020

@NicolasHug मूल वाक्य को @anaisabeldhero और me . से

daphn3k 25 जन॰ 2020

मैं और @Olks दावा sklearn/utils/extmath.py - 185, 297

fabi-cast 25 जन॰ 2020

दावा sklearn/ensemble/_iforest.py - 109

SergioDSR 28 जन॰ 2020

दावा sklearn/neural_network/_multilayer_perceptron.py - 782, 1174

GregoireMialon 28 जन॰ 2020

दावा sklearn/ensemble/_weight_boosting.py - १८८, ३२४, ४७९, ९००, १०२२

DatenBiene 29 जन॰ 2020

दावा sklearn/multioutput.py - 578, 738

DatenBiene 29 जन॰ 2020

दावा :
स्केलेर/मिश्रण/_bayesian_mixture.py - 166
स्केलेर/मिश्रण/_base.py - 139
स्केलेर/मिश्रण/_gaussian_mixture.py - 504

DatenBiene 30 जन॰ 2020

दावा sklearn/ensemble/_gb.py - 887, 1360

DatenBiene 30 जन॰ 2020

दावा sklearn/ensemble/_hist_gradient_boosting/gradient_boosting.py - 736, 918

DatenBiene 30 जन॰ 2020

दावा sklearn/neural_network/_rbm.py - 59

GregoireMialon 30 जन॰ 2020

दावा :

sklearn/svm/_classes.py - ९०, ३१२, ५४६, ७५२
sklearn/svm/_base.py - 853

DatenBiene 30 जन॰ 2020

दावा:

sklearn/feature_selection/_mutual_info.py - २२६, ३३५, ४१४
स्केलेर/मेट्रिक्स/क्लस्टर/_unsupervised.py - 80
sklearn/utils/_testing.py - 521
sklearn/utils/init.py - ४७८, ६२३

DatenBiene 30 जन॰ 2020

दावा :

sklearn/dummy.py - 59
sklearn/random_projection.py - 178, 245, 464, 586

DatenBiene 31 जन॰ 2020

@DatenBiene @GregoireMialon पिछले स्प्रिंट के दौरान आपके सभी

क्या आप उनसे निपटने के लिए दिलचस्पी लेंगे / आपके पास समय होगा / प्रेरणा होगी (कोई दबाव नहीं!)?

jeremiedbb 12 फ़र॰ 2020

हाय जेरेमी! मैं जल्द ही इसे देखने की कोशिश करूंगा

ले मेर। 12 फरवरी। २०२० १५:५३, जेरेमी डू बोइसबेरेंजर <
सूचनाएं@github.com> एक लेख :

@DatenBiene https://github.com/DatenBiene @GregoireMialon
https://github.com/GregoireMialon आपके सभी योगदानों के लिए धन्यवाद
पिछले स्प्रिंट के दौरान। केवल 3 मॉड्यूल अनियंत्रित रह गए हैं!
क्या आप रुचि रखते हैं / आपके पास समय है / उनसे निपटने के लिए प्रेरणा है (नहीं
दबाव !) ?
-
आप इसे प्राप्त कर रहे हैं क्योंकि आपका उल्लेख किया गया था।
इस ईमेल का सीधे उत्तर दें, इसे GitHub पर देखें
https://github.com/scikit-learn/scikit-learn/issues/10548?email_source=notifications&email_token=AFY4624NQL3EAFLBGPUNAE3RCQEO3A5CNFSM4EOCFD32YY3PNVWWK3TUL52HS4DFVREXG43BTV2LOZDW
या सदस्यता समाप्त करें
https://github.com/notifications/unsubscribe-auth/AFY4625457AU7OL4E4EUVOTRCQEO3ANCNFSM4EOCFD3Q
.

GregoireMialon 13 फ़र॰ 2020

हाय @ जेरेमीडबीबी! मैं आज शेष 3 मॉड्यूल को समाप्त करने का प्रयास करूंगा

दावा:

sklearn/kernel_approximation.py - 41, 143, 470
sklearn/multiclass.py - 687
स्केलेर/पहनावा/_base.py - 52

DatenBiene 4 अप्रैल 2020

हाय @jnothman और @jeremiedbb , संशोधित सभी फाइलों की तरह दिखता है। यदि आपको कोई शेष समस्या मिलती है तो मुझे मदद करने में खुशी होगी।

DatenBiene 16 अप्रैल 2020

👍1

बहुत बहुत धन्यवाद @DatenBiene और इस मुद्दे को बंद करने के लिए काम करने वाले सभी योगदानकर्ताओं!
मुझे लगता है कि हम इस विशाल को बंद कर सकते हैं!
यदि random_state विवरण के बारे में अभी भी कुछ छूट रहा है, तो बेझिझक नए विशिष्ट मुद्दे खोलें।

cmarmo 16 अप्रैल 2020

क्या यह पृष्ठ उपयोगी था?

0 / 5 - 0 रेटिंग्स

Scikit-learn: random_state विवरण को अधिक जानकारीपूर्ण बनाएं और शब्दावली देखें

सबसे उपयोगी टिप्पणी

wimlds #SciKitLearnSprint

सभी 60 टिप्पणियाँ

विमल्ड्स

wimlds #SciKitLearnSprint

wimlds #SciKitLearnSprint

वाईएमएलडीएस

संबंधित मुद्दों