नमस्ते @cgsavard , मैं इस पर काम करना चाहूंगा। क्या मैं AgglomerativeClustering कक्षा को देखना शुरू कर सकता हूँ?

@vachanda इसके लिए जाओ! हम यहां पोस्ट करना जारी रख सकते हैं, जिन पर हम काम करते हैं ताकि दूसरों को पता चले।

इसे समन्वयित करने के लिए धन्यवाद

योगदानकर्ताओं के लिए नोट: कृपया नीचे दिए गए दिशानिर्देशों का पालन करें: https://scikit-learn.org/stable/developers/contributing.html#guidelines -for-writing-documentation

@cgsavard , क्या उन वर्गों की सूची है जिनमें विसंगतियां हैं या क्या हमें उनमें से प्रत्येक के माध्यम से जाना है और उन्हें अपडेट करना है?

@vachanda दुर्भाग्य से मेरे पास एक सूची नहीं है। मैं अभी फाइलों के माध्यम से जा रहा हूं और देख रहा हूं कि क्या अद्यतन करने की आवश्यकता है।

मैं AffinityPropagation, SpectralCoclustering, SpectralBiclustering, और Birch पर काम कर रहा हूं।

मैं फ़ीचर एग्लोमरेशन, केमीन्स और मिनीबैचकेमीन्स पर काम कर रहा हूं।

तार्किक रूप से, यदि कोई परम वैकल्पिक है, तो क्या डिफ़ॉल्ट हमेशा None नहीं होना चाहिए? None अलावा किसी अन्य डिफ़ॉल्ट मान वाला पैरामीटर होने से पता चलता है कि इसकी आवश्यकता होनी चाहिए।

यदि कोई डिफ़ॉल्ट है, तो इसका आमतौर पर मतलब है कि साहित्य ने इसे एक समझदार डिफ़ॉल्ट मान के रूप में पाया है जो यह भी बताता है कि इस पैरामीटर का प्रदर्शन पर प्रभाव पड़ता है और इस प्रकार यह वैकल्पिक नहीं होना चाहिए, लेकिन केवल यह उल्लेख करना चाहिए कि डिफ़ॉल्ट क्या है। वे परिभाषा के अनुसार आवश्यक मापदंडों के करीब लगते हैं, हम उपयोगकर्ता के लिए एक समझदार विकल्प बनाने के लिए हुए हैं ताकि वे इसे बदल सकें या नहीं।

या अधिक व्यावहारिक रूप से बोलते हुए, क्या वर्तमान में कोई वैकल्पिक पैरामीटर है जो हमने पाया है जिसमें संख्यात्मक डिफ़ॉल्ट मान हैं, लेकिन जिसके लिए None निर्दिष्ट करना अपवाद उठाएगा? यह भी सुझाव देगा कि पैरामीटर वास्तव में आवश्यक है, लेकिन साहित्य/शोध के आधार पर एक समझदार डिफ़ॉल्ट चुना गया है।

या हो सकता है कि मैं इन सभी वर्षों में required और optional के अर्थ को भ्रमित कर रहा हूं? ज़ोर - ज़ोर से हंसना। निश्चित रूप से इस पर किसी भी तरह से मदद करना पसंद करेंगे!

@jmwoloso हम वास्तव में optional के उपयोग के संबंध में असंगत थे और इसलिए हमने हाल ही में इसे हटाने का निर्णय लिया।

मैं भी योगदान देना चाहता हूं। क्या मैं इसके साथ आगे बढ़ सकता हूं?

@glemaitre ठीक है, यह निश्चित रूप से समझ में आता है। तो फिर हम optional वर्बेज को एक साथ हटा रहे हैं, ठीक है, जबकि दस्तावेज़ स्ट्रिंग्स में डिफ़ॉल्ट मान भी नोट कर रहे हैं?

क्या इनमें से प्रत्येक को एक मुद्दे के रूप में अलग से खोला जाना चाहिए या हम यह सब काम कैसे कर रहे हैं जो हम कर रहे हैं क्योंकि कई लोग इस एकल मुद्दे से संबंधित कई चीजों पर काम कर रहे हैं?

@ cyrus303 @jmwoloso आप एक वर्ग (अधिकतम मॉड्यूल) प्राप्त कर सकते हैं और इसे ठीक कर सकते हैं। विचार वैकल्पिक को हटाने और एक होने पर डिफ़ॉल्ट जोड़ने का है (आमतौर पर एक होता है)। चूंकि हम दस्तावेज़ीकरण को छू रहे हैं, इसलिए हमें यह सुनिश्चित करना चाहिए कि लाइन पर शैली हमारी नई शैली मार्गदर्शिका का पालन करती है: https://scikit-learn.org/dev/developers/contributing.html#guidelines -for-writing-documentation

आप उल्लेख कर सकते हैं कि आप किस वर्ग/मॉड्यूल में काम कर रहे हैं, डुप्लिकेट प्रयास से बचने के लिए एक पीआर लिंक खोलें :)। इसकी समीक्षा के लिए तत्पर हैं।

अरे! मैं tree कक्षाओं ( tree.DecisionTreeClassifier , tree.DecisionTreeRegressor , tree.ExtraTreeClassifier और tree.ExtraTreeRegressor ) पर काम करूंगा।

मैं इस समस्या को neighbors मॉड्यूल के लिए भी ठीक कर दूंगा।

मैं ensemble मॉड्यूल लूंगा।

@glemaitre bool बनाम boolean पर कोई वरीयता? एक ही कक्षा में भी ensemble में दोनों का मिश्रण देखकर। जब मैं चूक कर रहा हूं तो उन्हें आकार में भी मिल सकता है।

संपादित करें:

int बनाम integer लिए ठीक वैसा ही। मैं उस पर int मान रहा हूं, लेकिन पुष्टि करना चाहता था।

संपादित करें (फिर से):

उस वर्ग के लिए __init__ हस्ताक्षर के सापेक्ष असंगत मूल्यों के साथ डॉकस्ट्रिंग भी देखना, जैसे:

min_impurity_split लिए RandomForestClassifier

__init__ हस्ताक्षर में min_impurity_split=None जबकि इसके लिए डॉकस्ट्रिंग min_impurity_split : float, (default=0) । मुझे लगता है कि हस्ताक्षर से मेल खाने के लिए डॉकस्ट्रिंग को अपडेट करें क्योंकि हम कक्षा के व्यवहार को सुसंगत रखना चाहते हैं (यानी हम चाहते हैं कि एक ही चूक तत्काल पर पारित हो)?

@jmwoloso क्या आप https://scikit-learn.org/stable/developers/contributing.html#guidelines -for -writing-documentation का संदर्भ

__init__ हस्ताक्षर में min_impurity_split=None है, जबकि इसके लिए डॉकस्ट्रिंग्स min_impurity_split कहते हैं: फ्लोट, (डिफ़ॉल्ट = 0)। मुझे लगता है कि हस्ताक्षर से मेल खाने के लिए डॉकस्ट्रिंग को अपडेट करें क्योंकि हम कक्षा के व्यवहार को सुसंगत रखना चाहते हैं (यानी हम चाहते हैं कि एक ही चूक तत्काल पर पारित हो)?

हमें फ़ंक्शन हस्ताक्षर में पैरामीटर से मेल खाना चाहिए। यह मान डिफ़ॉल्ट पैरामीटर बदल गया है और docstring अद्यतन नहीं किया गया था।

हाय @cgsavard , मैं योगदान देना चाहता हूं लेकिन यह मेरा पहली बार होने जा रहा है इसलिए कुछ हाथ पकड़ने की जरूरत है। मैं अजगर से काफी परिचित हूं, पाठ संपादकों के साथ कुछ हद तक आसान है और हाल ही में कांटा -> क्लोन -> संपादित करें -> पीआर वर्कफ़्लो ट्यूटोरियल यहां से गुजरा

हाय @cgsavard ,
क्या मैं कृपया इम्पुटर पर काम कर सकता हूँ?

हाय @cgsavard , मैं linear_model वर्ग पर काम करना चाहता हूं।

मैं Neural Network , Decomposition , Feature Extraction , Metrics और Preprocess कक्षाओं पर भी काम कर रहा हूं।

क्या कोई कृपया मेरे पीआर # 15964 की जांच कर सकता है और देख सकता है कि कोड सीओवी क्यों विफल हो रहा है। योगदान के लिए यह मेरा पहला अवसर है। कृपया मार्गदर्शन करें।

कोडकोव को अनदेखा करें। यह एक गलत सकारात्मक है क्योंकि हम कोड को स्पर्श नहीं करते हैं। मैं जल्द ही पीआर . की समीक्षा करूंगा

मेरे फोन से भेजा गया - संक्षिप्त और संभावित गलत वर्तनी के लिए खेद है।

मैंने अभी-अभी अपना पहला योगदान किया है #15988

मैं naive_bayes मॉड्यूल लूंगा।

मैंने अभी अपना पहला योगदान #16019 . किया है

हाय सब, sklearn/neighbors पर काम कर रहे हैं, धन्यवाद।

sklearn/semi_supervised में योगदान दिया।धन्यवाद

हाय @cgsavard , मैं भी योगदान देना चाहता हूं, मैं sklearn/svm मॉड्यूल लूंगा। धन्यवाद

sklearn/semi_supervised में योगदान दिया।धन्यवाद
क्या पीआर #16042 . पर कुछ और संपादन की आवश्यकता है?

@glemaitre #16105 में, मुझे डिफ़ॉल्ट मान लाने के लिए संरचनाओं में थोड़ा गहरा खोदना पड़ा,

इसके अलावा, मैंने मापदंडों की श्रेणियों को परिभाषित करने के लिए कम अस्पष्ट, संक्षिप्त और गणितीय रूप से कठोर तरीके का उपयोग करने की कोशिश की। उदाहरण के लिए, मैंने positive float को float in (0, inf] या 0<= shrinkage <=1 से float in (0, 1) । लंबी कहानी छोटी, मैंने संक्षिप्त और सटीक होने के लिए सबसे अच्छा किया लेकिन कृपया इस पीआर की समीक्षा करते हुए 5% अधिक ध्यान दें। धन्यवाद।

@cgsavard , स्प्रिंट के लिए यह एक बहुत अच्छा मुद्दा है! यदि आप इसके साथ ठीक हैं तो मैं इसे हमारी स्प्रिंट सूची में जोड़ने की योजना बना रहा हूं। मैंने उन वर्गों को संक्षेप में प्रस्तुत किया है जिन्हें पहले से ही एक पीआर द्वारा संबोधित किया गया है, और उनके संवाददाता पीआर यहां ।
क्या आप मुद्दे के विवरण में सार को जोड़ना चाहते हैं? इससे शुरुआत से ही जानकारी उपलब्ध हो जाएगी। क्या मैं आपको विवरण में यह स्पष्ट करने के लिए कह सकता हूं कि प्रत्येक पीआर को एक समय में एक फ़ाइल (अधिकतम एक मॉड्यूल) को संबोधित करना चाहिए जैसा कि यहां बताया गया

इस मुद्दे में रुचि रखने वालों के लिए, कमांड

git grep "optional.*default"

इस समस्या से अभी भी प्रभावित फाइलों को आउटपुट करेगा (धन्यवाद @ogrisel! :))।

@cgsavard नमस्ते, मैं model_selection @WiMLDS . पर काम करना चाहूंगा

@lopusz और मैं random_projection.py . पर काम करना चाहते हैं

सभी के लिए मज़े करो!

@adrinjalali @noatamir @WiMLDS

@ETay203 और मैं mean_shift @WiMLDS_Berlin स्प्रिंट पर काम करना चाहूंगा।

@ magda-zielinska और मैं पाइपलाइन पर काम करना चाहते हैं

@adrinjalali @noatamir @WiMLDS

@lopusz और @ magda-

मैं अब _optics.py से निपटने जा रहा हूँ

फिर से खोलना: #16216 में "फिक्स" कीवर्ड द्वारा बंद कर दिया गया था।

फिर से खोलना: #16207 में "फिक्स" कीवर्ड द्वारा बंद कर दिया गया था

मैं अब sklearn/linear_model/_coordinate_descent.py से निपटने जा रहा हूं

मैंने base.py को साफ किया और PR . जमा किया

मैंने dispersant_analysis.py को साफ़ किया और एक पीआर सबमिट किया

अब मैं sklearn/gaussian_process/*.py . को देखूंगा

GPs @lopusz के लिए पहले से ही एक लंबा जनसंपर्क है :)

@lopusz मेरी माफ़ी, कि पीआर जीपी मॉड्यूल के अन्य मुद्दों को छू रहा था, अगर आप बुरा नहीं मानते हैं तो आप आगे बढ़ सकते हैं और इस पर काम कर सकते हैं :)

@adrinjalali इस पर नज़र रखने के लिए धन्यवाद!

वास्तव में, मैंने खुले पीआर को पर्याप्त रूप से स्कैन नहीं किया है, इसलिए तथ्य यह है कि जीपी नहीं लिया जाता है, यह एक दुर्घटना है;)

मैं PRed क्या है, इसका ट्रैक रखना सुनिश्चित करूँगा।

और हाँ जीपी के लिए पीआर आ रहा है;)

क्या यहाँ कुछ और करना है?

मैं sklearn/decomposition/_dict_learning.py पर काम कर रहा हूँ

क्या करना बाकी है मैं मदद के लिए तैयार हूं। . .

क्या बचा है यह पता लगाना शायद मदद शुरू करने के लिए एक अच्छी जगह है :)

नमस्ते, मैं देख रहा हूं कि क्या बचा है, मुझे लगता है कि पहले देखे गए कुछ मॉड्यूल में अभी भी कुछ अपडेट करने हैं।
मैं इनके माध्यम से काम करने जा रहा था, क्लस्टर मॉड्यूल से शुरू होकर और प्रत्येक मॉड्यूल के लिए एक पीआर बढ़ा सकता था जैसा कि मैं साथ जाता हूं?
यह मेरा पहला योगदान है इसलिए कृपया मुझे बताएं कि क्या मैं प्रक्रिया का सही ढंग से पालन नहीं कर रहा हूं आदि।
धन्यवाद!

यह ठीक करने के लिए छोड़े गए कार्यों, कक्षाओं और मॉड्यूल की सूची है:

• [एक्स] sklearn.feature_selection.SelectorMixin
• [एक्स] sklearn.config_context
• [एक्स] sklearn.set_config
• [एक्स] sklearn.calibration.CalibratedClassifierCV
• [एक्स] sklearn.cluster.OPTICS
• [एक्स] sklearn.cluster.SpectralClustering
• [एक्स] sklearn.cluster.affinity_propagation
• [एक्स] sklearn.cluster.cluster_optics_dbscan
• [एक्स] sklearn.cluster.cluster_optics_xi
• [एक्स] sklearn.cluster.compute_optics_graph
• [एक्स] sklearn.cluster.mean_shift
• [एक्स] sklearn.cluster.spectral_clustering
• [एक्स] sklearn.cluster.ward_tree
• [एक्स] sklearn.cross_decomposition.CCA
• [एक्स] sklearn.cross_decomposition.PLSCanonical
• [एक्स] sklearn.cross_decomposition.PLSRegression
• [एक्स] sklearn.cross_decomposition.PLSSVD
• [एक्स] sklearn.datasets
• [एक्स] sklearn.decomposition
• [एक्स] sklearn.dummy
• [x] sklearn.ensemble.HistGradientBoostingRegressor (प्रयोगात्मक)
• [x] sklearn.ensemble.HistGradientBoostingRegressor (प्रयोगात्मक)
• [एक्स] sklearn.feature_extraction.image.grid_to_graph
• [एक्स] sklearn.feature_extraction.image.img_to_graph
• [एक्स] sklearn.feature_extraction.text.CountVectorizer
• [एक्स] sklearn.feature_extraction.text.HashVectorizer
• [एक्स] sklearn.feature_selection
• [एक्स] sklearn.impute
• [एक्स] sklearn.inspection.partial_dependence
• [एक्स] sklearn.inspection.permutation_importance
• [x] sklearn.inspection.permutation_importance
• [एक्स] sklearn.inspection.PartialDependenceDisplay
• [एक्स] sklearn.inspection.plot_partial_dependence
• [एक्स] sklearn.isotonic.IsotonicRegression
• [एक्स] sklearn.isotonic.check_increasing
• [एक्स] sklearn.isotonic.isotonic_regression
• [x] sklearn.kernel_approximation
• [एक्स] sklearn.kernel_ridge
• [एक्स] sklearn.linear_model.PassiveAggressiveClassifier
• [एक्स] sklearn.linear_model.LassoLars
• [एक्स] sklearn.linear_model.OrthogonalMatchingPursuit
• [x] sklearn.linear_model.HuberRegressor
• [एक्स] sklearn.linear_model.RANSACRegressor
• [एक्स] sklearn.linear_model.TheilSenRegressor
• [एक्स] sklearn.linear_model.PassiveAggressiveRegressor
• [एक्स] sklearn.linear_model.orthogonal_mp
• [x] sklearn.linear_model.orthogonal_mp_gram
• [एक्स] sklearn.manifold
• [x] sklearn.metrics ( sklearn.metrics.confusion_matrix , sklearn.metrics.roc_auc_score , sklearn.metrics.max_error sklearn.metrics.mean_poisson_deviance , sklearn.metrics.mean_gamma_deviance , sklearn.metrics.mean_tweedie_deviance को छोड़कर sklearn.metrics.plot_confusion_matrix , sklearn.metrics.plot_precision_recall_curve )
• [एक्स] sklearn.mixture
• [एक्स] sklearn.model_selection.GridSearchCV
• [एक्स] sklearn.model_selection.ParameterGrid
• [एक्स] sklearn.model_selection.ParameterSampler
• [एक्स] sklearn.model_selection.RandomizedSearchCV
• [एक्स] sklearn.model_selection.fit_grid_point
• [एक्स] sklearn.multiclass
• [एक्स] sklearn.multioutput
• [एक्स] sklearn.neural_network
• [x] sklearn.preprocessing
• [x] sklearn.random_projection
• [एक्स] sklearn.tree.export_graphviz
• [एक्स] sklearn.tree.export_text
• [एक्स] sklearn.tree.plot_tree
• [एक्स] sklearn.utils

आशा है कि मुझे कुछ याद नहीं आ रहा है।

नमस्ते। मैं फीचर_सिलेक्शन डॉक्यूमेंटेशन में पास बनाने की कोशिश करूंगा

हम sklearn.mixture भाग लेते हैं

cross_decomposition भाग लेना

2020 स्किकिट-लर्न स्प्रिंट के लिए, @icoder18 और मैं sklearn.random_projection भाग ले रहे हैं

@adrinjalali हमने स्केलेर/मिश्रण पूरा किया

@genvalen . के साथ स्प्रिंट के लिए sklearn.linear_model पर काम करना

sklearn.calibration.CalibratedClassifierCV लें

sklearn.utils.validation के लिए इस पर काम करना

आगे हम sklearn.utils.random से निपटेंगे

sklearn.imput पर काम करना

sklearn.tree.plot_tree पर काम करना

तालिका 14 sklearn.neural_network लेगी

sklearn.kernel_approximation लें

sklearn.inspection

तालिका 14 sklearn.preprocessing लेगी

डेटासेट लेना

sklearn.mixture लेना #17509

सूची अपडेट की गई।

आप सभी को धन्यवाद!

स्प्रिंट के लिए sklearn.metrics लेना

Model_selection मॉड्यूल लेना

@glemaitre क्या हम इसमें शामिल करने के लिए इसके विवरण को अपडेट कर सकते हैं कि एक समय में एक फ़ाइल सबमिट करना सबसे अच्छा होगा?

नमस्ते मैं योगदान देना चाहता हूं। हालांकि यह मेरा पहली बार है ... और यह मेरे लिए स्पष्ट नहीं है कि मैं कैसे जान सकता हूं कि किस मॉड्यूल पर अभी भी काम किया जाना है? धन्यवाद !

https://github.com/scikit-learn/scikit-learn/issues/15761#issuecomment -639461778 में ठीक करने के लिए छोड़े गए मॉड्यूल की सूची है।

धन्यवाद। फिर sklearn.decomposition लें।

मैं 'sklearn.isotonic.isotonic_regression' पर काम कर रहा हूँ

मैं 'sklearn.multiclass.py' पर काम कर रहा हूँ

नमस्ते, क्या मैं शेष को sklearn.tree पर लेने का प्रयास कर सकता हूँ? यह मेरा भी पहली बार योगदान होगा।

चेक इन करने के लिए धन्यवाद, आपकी सहायता के लिए बहुत अच्छा! कृपया आगे बढ़े; मुझे लगता है कि हमारे सभी स्प्रिंट अपडेट बंद कर दिए गए हैं।

4 जुलाई, 2020 को 10:45 बजे, इवान विरयाडी नोटिफिकेशन @github.com ने लिखा:

नमस्ते, क्या मैं शेष को sklearn.tree पर लेने का प्रयास कर सकता हूं? यह मेरा भी पहली बार योगदान होगा।

-
आप इसे प्राप्त कर रहे हैं क्योंकि आपने टिप्पणी की थी।
इस ईमेल का सीधे उत्तर दें, इसे GitHub पर देखें, या सदस्यता समाप्त करें।

नमस्ते, मैं अपना पहला योगदान देना चाहूंगा। क्या मैं sklearn.multioutput ले सकता हूँ?

मैं _encode.py . से शुरू होने वाले sklearn.utils के साथ जारी रखूंगा

मैं sklearn/decomposition/_dict_learning.py पर काम कर रहा हूँ

मैं स्प्रिंट में sklearn.kernel_ridge पर काम कर रहा हूं

नमस्ते, मैं sklearn.feature_extraction.image.img_to_graph . पर काम करना शुरू करूंगा

मैं sklearn.feature_extraction.text.CountVectorizer पर काम कर रहा हूँ

मैं sklearn.sklearn.kernel_ridge पर काम कर रहा हूँ

मैं sklearn.ensemble.HistGradientBoostingRegressor पर काम कर रहा हूँ

"मैं इस पर काम कर रहा हूँ"

इस पर? @ होडा1394

"मैं इस पर काम कर रहा हूँ"

इस पर? @ होडा1394

@ताहिरीनादिया ने सही किया।

@cgsavard अरे, क्या मैं इस पर काम कर सकता हूं? मैं एक फर्स्ट-टाइमर हूं

मैं sklearn.datasets में फाइलों पर काम करूंगा।

क्या मैं sklearn.linear_model._least_angle.py पर काम कर सकता हूँ

@glemaitre मैं sklearn.linear_model._least_angle.py पर काम कर रहा हूं और मुझे method ='lar' के उपयोग की असंगति मिली है, कभी-कभी यह lars कभी-कभी lar इंगित करता है, यह असंगतता भी है कोड (न केवल दस्तावेज़ीकरण में), मैं देख सकता हूं कि lars सही है, क्या आप इसकी पुष्टि कर सकते हैं, और मैं एक पीआर बनाऊंगा।

'sklearn/ensemble/_hist_gradient_boosting/binning.py' पर काम कर रहा है

फ़ाइलों को बदलने की जरूरत है:

स्केलेर/_config.py
sklearn/dummy.py
sklearn/multioutput.py
sklearn/linear_model/_huber.py
sklearn/linear_model/_theil_sen.py
sklearn/linear_model/_ridge.py
sklearn/linear_model/_omp.py
sklearn/linear_model/_sag.py
स्केलेर/बाहरी/_lobpcg.py
स्केलेर/बाहरी/_lobpcg.py
sklearn/utils/extmath.py
स्केलेर/बर्तन/__init__.py
sklearn/utils/graph.py
sklearn/utils/_mocking.py
sklearn/utils/sparsefuncs.py
स्केलेर/पड़ोसी/_base.py
स्केलेर/गौसियन_प्रोसेस/_gpc.py
sklearn/gaussian_process/kernels.py
sklearn/model_selection/_validation.py
~sklearn/decomposition/_fastica.py~
~sklearn/decomposition/_dict_learning.py~
~sklearn/decomposition/_factor_analysis.py~
~sklearn/decomposition/_incremental_pca.py~
~sklearn/decomposition/_lda.py~
~sklearn/decomposition/_pca.py~
~sklearn/decomposition/_truncated_svd.py~
~sklearn/decomposition/_sparse_pca.py~
~sklearn/decomposition/_nmf.py~
स्केलेर/मैनीफोल्ड/_mds.py
स्केलेर/मैनीफोल्ड/_स्पेक्ट्रल_एम्बेडिंग.py
स्केलेर/मैनीफोल्ड/_t_sne.py
sklearn/पहनावा/_hist_gradient_boosting/grower.py
sklearn/पहनावा/_hist_gradient_boosting/binning.py
स्केलेर/मेट्रिक्स/_रैंकिंग.py
स्केलेर/पेड़/_classes.py
स्केलेर/प्रीप्रोसेसिंग/_discretization.py
sklearn/preprocessing/_encoders.py लाइन 620
sklearn/neural_network/_multilayer_perceptron.py लाइन 1054
sklearn/covariance/_robust_covariance.py

कृपया जांचें कि क्या कोई आपके द्वारा चुनी गई फ़ाइल पर पहले से ही काम कर रहा है/काम कर रहा है

@sadakmed , सभी "अपघटन फ़ाइलों" के लिए, एक निरंतर पुल अनुरोध # 17739 है।

"gaussian_process.GaussianProcessRegressor" और "neighbors._base.py"

नमस्ते, मैं नया हूं, और मैं योगदान देना शुरू करना चाहता हूं। क्या आपको अभी भी इस मुद्दे पर कुछ मदद की ज़रूरत है? क्या कोई फ़ाइल है जिसके लिए आपको अभी भी सहायता की आवश्यकता है?

अरे @boricles!

एक सूची के लिए https://github.com/scikit-learn/scikit-learn/issues/15761#issuecomment -639461778 पर एक नज़र डालें, जिसमें मॉड्यूल अभी भी तय किए जाने हैं।

@ अल्फारो 96 धन्यवाद। मैंने अभी-अभी एक त्वरित नज़र डाली। मैं आज रात एक मॉड्यूल का चयन करूंगा, और उस पर काम करूंगा।

मैं sklearn/config_context पर काम कर रहा हूँ

अरे, सोचा कि मैं देखूंगा कि मैं दस्तावेज़ों के साथ मदद कर सकता हूं या नहीं।

@alfaro96 मैं sklearn.feature_extraction.text.CountVectorizer पर काम करना चाहता हूं, अगर इसे पहले से नहीं लिया गया है, खासकर क्योंकि अतीत में वेक्टराइज़र के साथ काम करते समय मुझे व्यक्तिगत रूप से कुछ नुकसान का सामना करना पड़ा है।

साथ ही, मैंने देखा कि हालांकि sklearn.model_selection.learning_curve अपडेट किया गया था, पुराने दस्तावेज़ों का उपयोग करने वाला एक पुराना ट्यूटोरियल है , क्या मुझे इसे छोड़ देना चाहिए? या यह अद्यतन करने लायक है?

हाय @ अल्फारो96 ,

संपादन के बाद:
मुझे लगता है कि sklearn.config_context और sklearn.set_config से sklearn.config_config.py को ठीक किया गया था ताकि इसे कार्य सूची से चेक आउट किया जा सके।

मैं sklearn.utils पर काम करना चाहता हूं। मैंने पैरामीटर दस्तावेज़ीकरण का केवल एक बार उदाहरण देखा जहां 'वैकल्पिक' का उपयोग किया जाता है। इसका मतलब है कि मुझे केवल उस उदाहरण को ठीक करने की आवश्यकता है, है ना? यह sklearn.utils._mocking.py

अरे, सोचा कि मैं देखूंगा कि मैं दस्तावेज़ों के साथ मदद कर सकता हूं या नहीं।

अरे @मैडप्रोग्रामर ,

@alfaro96 मैं sklearn.feature_extraction.text.CountVectorizer पर काम करना चाहूंगा, अगर इसे पहले से नहीं लिया गया है, खासकर क्योंकि अतीत में वेक्टराइज़र के साथ काम करते समय मुझे व्यक्तिगत रूप से कुछ नुकसान का सामना करना पड़ा है।

~मैंने चेकलिस्ट और sklearn.feature_extraction.text.CountVectorizer संदर्भ पर एक नज़र डाली है और यह ठीक नहीं लगता है। एक जनसंपर्क का स्वागत किया जाएगा। ~

संपादित करें: sklearn.feature_extraction.text.CountVectorizer पहले से ही तय है।

साथ ही, मैंने देखा कि हालांकि sklearn.model_selection.learning_curve अपडेट किया गया था, पुराने दस्तावेज़ों का उपयोग करने वाला एक पुराना ट्यूटोरियल है , क्या मुझे इसे छोड़ देना चाहिए? या यह अद्यतन करने लायक है?

यह अद्यतन करने लायक है, हालांकि यह एक अलग पीआर में किया जाना चाहिए।

आपको धन्यवाद!

हाय @ अल्फारो96 ,

अरे @haiatn ,

संपादन के बाद:
मुझे लगता है कि sklearn.config_context और sklearn.set_config से sklearn.config_config.py को ठीक किया गया था ताकि इसे कार्य सूची से चेक आउट किया जा सके।

मैंने चेकलिस्ट अपडेट कर दी है।

मैं sklearn.utils पर काम करना चाहता हूं। मैंने पैरामीटर दस्तावेज़ीकरण का केवल एक बार उदाहरण देखा जहां 'वैकल्पिक' का उपयोग किया जाता है। इसका मतलब है कि मुझे केवल उस उदाहरण को ठीक करने की आवश्यकता है, है ना? यह sklearn.utils._mocking.py

यह विचार है, हालांकि sklearn.utils._mocking.py फ़ाइल में कक्षाएं सार्वजनिक एपीआई का हिस्सा नहीं हैं, इसलिए मुझे नहीं लगता कि यह उन्हें अपडेट करने के योग्य है।

फिर भी, यह अच्छा होगा यदि आप किसी अन्य कार्य, वर्ग और मॉड्यूल में काम कर सकते हैं जो तय किए जाने के लिए लंबित हैं।

आपको धन्यवाद!

मैंने चेकलिस्ट को देखा। मैंने जो देखा उससे चेकलिस्ट से निम्नलिखित की जाँच की जा सकती है:

• sklearn.feature_extraction.image.img_to_graph
• sklearn.isotonic.IsotonicRegression
• sklearn.isotonic.check_increasing
• मुझे sklearn.ensemble.HistGradientBoostingRegressor फ़ाइल नहीं मिली लेकिन सभी sklearn.ensemble ठीक है

क्या मैं sklearn.manifold._spectral_embedding और sklearn.feature_extraction.text.HashVectorizer पर काम कर सकता हूं? मैं इसे अलग पीआर में करूँगा। मुझे लगता है कि वे एकमात्र ऐसी फाइलें हैं जिन्हें ठीक करने की आवश्यकता है (मान लीजिए कि sklearn.feature_extraction.text.CountVectorizer लिया गया है)।

मैंने चेकलिस्ट को देखा। मैंने जो देखा उससे चेकलिस्ट से निम्नलिखित की जाँच की जा सकती है:

• sklearn.feature_extraction.image.img_to_graph
• sklearn.isotonic.IsotonicRegression
• sklearn.isotonic.check_increasing

धन्यवाद @haiatn , मैंने चेकलिस्ट अपडेट कर दी है।

• मुझे sklearn.ensemble.HistGradientBoostingRegressor फ़ाइल नहीं मिली लेकिन सभी sklearn.ensemble ठीक है

sklearn.ensemble.HistGradientBoostingClassifier और sklearn.ensemble.HistGradientBoostingRegressor इस फ़ाइल में हैं: scikit-learn/sklearn/ensemble/_hist_gradient_boosting/gradient_boosting.py । हालांकि इन्हें पहले ही ठीक कर लिया गया है।

क्या मैं sklearn.manifold._spectral_embedding और sklearn.feature_extraction.text.HashVectorizer पर काम कर सकता हूं? मैं इसे अलग पीआर में करूँगा। मुझे लगता है कि वे एकमात्र ऐसी फाइलें हैं जिन्हें ठीक करने की आवश्यकता है (मान लीजिए कि sklearn.feature_extraction.text.CountVectorizer लिया गया है)।

मैंने sklearn.manifold मॉड्यूल और sklearn.feature_extraction.text.HashingVectorizer पर एक नज़र डाली है और उन्हें पहले ही ठीक कर दिया गया है (मैंने तदनुसार चेकलिस्ट अपडेट कर दी है)।

फिर भी, sklearn.utils मॉड्यूल में कई कार्य हैं जिन्हें अभी भी ठीक किया जाना चाहिए।

धन्यवाद @haiatn , हम वास्तव में आपकी मदद की सराहना करते हैं!

अब मैं sklearn.utils._estimator_html_repr , sklearn.utils.deprecation और sklearn.utils._testing पर काम करूंगा

मैं sklearn.utils समाप्त कर दूंगा। मुझे मिली केवल 3 फाइलें हैं जिन्हें ठीक करने की जरूरत है।

अरे @ अल्फारो96 ,
क्या आप मेरे खुले पुल अनुरोधों की समीक्षा कर सकते हैं? मुझे लगता है कि वे आखिरी हैं।

18360 #18385 #18386

अरे @haiatn!

आपके खुले पीआर पर मेरी नज़र पहले से ही है।

आपको धन्यवाद!

अब जब हमने sklearn.utils से जो बचा है उसे मर्ज कर दिया है और यह चेकलिस्ट पर अंतिम था, क्या हमने समाप्त किया?

एक अंतिम खुला पुल अनुरोध #18025 है, फिर इस मुद्दे को अंततः बंद किया जा सकता है।

नमस्ते,
मैं योगदान देना शुरू करना चाहता हूं। क्या डिफ़ॉल्ट मानों के दस्तावेज़ को ठीक करने के लिए कोई वर्ग लंबित है? अगर कोई है तो मैं इसे उठा सकता हूं।

हे ओपन सोर्स के लिए नया, मैं किसी भी मौके पर डॉक्टर को ठीक करने की उम्मीद कर रहा हूं, कुछ बचा है जिसे ठीक करने की जरूरत है