__UPDATE 5月23日202__
残りのクラスのリストは次のとおりです。
クラス内のほとんどのドキュメントには例がありません。 これに似た例を1つか2つ追加するとよいでしょう。http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html
私はあなたが各推定量を使用する小さなコードスニペット/ doctestを意味すると仮定します。
これが、関連するものに自動リンクを追加した理由の1つです。
コンパイルされたAPIリファレンスを表示するときのギャラリーの例。
http://scikit-learn.org/dev/modules/generated/sklearn.manifold.Isomap.html#examples-using-sklearn-manifold-isomap 。
残念ながら、これらをどこにレンダリングするかという簡単な方法はありませんでした
doctestの例はそうです(したがって、それらは最後に追いやられました
numpydoc世代外のページ)。
2014年11月12日23時06分で、Manojさんクマーの[email protected]は書きました:
クラス内のほとんどのドキュメントには例がありません。 1つ追加するといいでしょう
またはこれに似た2つの例、
http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html—
このメールに直接返信するか、GitHubで表示してください
https://github.com/scikit-learn/scikit-learn/issues/3846。
はい、おそらく1つか2つのライナーを意味していました(たとえば) https://github.com/scikit-learn/scikit-learn/pull/3802/files#diff -1741ad6b05f1eb0fd71af8bad0e001c7R321APIを表示するためだけに。
これが、コンパイルされたAPIリファレンスを表示するときにギャラリーから関連する例への自動リンクを追加した理由の1つです。
これは素晴らしいです。 今まで気づかなかった!
これは素晴らしいです。 今まで気づかなかった!
開発者のみ。 そして、ページの下部に隠されています:(
他にどこが良いと思いますか?
クラスの説明の下とパラメータの上?
メソッドの説明の前のどこでも問題ありません。 メソッドの説明は、APIリファレンスページで多くの垂直方向のスペースを占める可能性があるため、誰かが例を探してそれらをスクロールして通過することはほとんどありません。
返事が遅れて申し訳ありません。 簡単ではないと思いますか? そうでなければ、あなたはそれを自分でやったでしょう?
いいえ、現在のアプローチよりもさらにハックです!
2014年11月19日21時59には、Manojさんクマーの[email protected]は書きました:
返事が遅れて申し訳ありません。 簡単ではないと思いますか? それ以外
あなたはそれを自分でやっただろうか?—
このメールに直接返信するか、GitHubで表示してください
https://github.com/scikit-learn/scikit-learn/issues/3846#issuecomment -63623385
。
不足しているクラスのdocstringに例を追加するだけではどうでしょうか。
これらは、現在Examples
セクションが欠落している推定量(98-10 / 148)です:-
完了/ WIP
ExtraTreesRegressor
BaggingClassifier
BaggingRegressor
AdaBoostRegressor
GradientBoostingRegressor
必要ありません
ExtraTreeClassifier # Used only in ensembling
ExtraTreeRegressor # -do-
TODO
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
もちろんですが、それは少し退屈な面だと思いませんか? スクリプトがない限り。
私はこれらすべての推定量について少し学びたかったのです...これはそれを行うための良い方法だと思います:)私はそれに取り組み始めましょうか?
もちろん!
私はこれに取り組んでいます。
@ltcguthrieどの部分? このために取り組むべき多くのモデルがあります。
TfidfVectorizerから始めます。
RandomForestClassifierとRandomForestRegressorでの作業
PassiveAggressiveClassifier、PassiveAggressiveRegressorでの作業
LinearSVC、LinearSVRに取り組んでいます
StandardScaler、MinMaxScalerでの作業
ElasticNet、ElasticNetCVでの作業
また、完了/元に戻されたオブジェクトのリスト用のグーグルドキュメントを作成しました
https://docs.google.com/spreadsheets/d/19D-RQocsLk4BM7-Xax8hVvIu3XDgwYSUnvja4cMrJww/edit#gid = 0
@loduralityここでチェックボックス付きのリストを作成することもできます
すべてのクラスに小さな例を含めると役立つと思うので、0.21と良い創刊号としてマークします。
sklearn/cluster
取り組んでいます
こんにちは、私は最初の貢献としてImputerの例を追加することに取り組んでいます。
線形回帰を取り上げる: http :
sklearn/feature_extraction/text.py
HashingVectorizerにも取り組んでいます。
OPTICS
を取る。 (#11677に依存)
sklearn/feature_selection/univariate_selection.py
を取る
バグがあってもOPTICSの例を提供できると思います:)
@ qinhanmin2014バグが表示されないように、外れ値のない例を意味しますか? OPTICS
が外れ値を検出する方法を示す例があると便利だと思います。バグが修正されたら、例を変更することを忘れてしまうのではないかと思います。 _bug_の問題にメモを書き込んで、問題が修正されたら例を修正できますが、最初の例には外れ値がありません。 私はそれをすべきですか?
バグが表示されないように外れ値のない例を意味しますか?
いいえ、DBSCANのように外れ値のあるものを意味します
バグについては調べていませんが、OPTICSはほとんどの場合正しい外れ値を検出できると思いますので、例を作成することもできます。 そうでない場合は、バグにブロッカーのタグを付ける必要があると思います。
十分に公平ですが、うまく機能する簡単な例を見つけられるかどうか試してみます。
sklearn/linear_model/ridge.py
を取る
sklearn/covariance/graph_lasso_.py
を取る
sklearn/linear_model/logistic.py
を取る
preprocessing
クラスを受講します。
パーセプトロンを取る
パーセプトロンクラスに例を追加しましたが、いくつかの不明な理由で機能しません。
助けが必要です、私は初心者です!(ps-私はすでにプルリクエストを作成しました)。
sklearn/random_projection
を取る
[[MRG] Perceptron.pyからscikit-learn / scikit-learn / linear_model / perceptron.py#11798のパーセプトロンの例
'sklearn / manifold`を取得
私はsklearn.feature_extraction.image.PatchExtractorに取り組んでいます
Andreaと私はsklearn.cluster.WardとLedoitWolfの例に取り組んでいます。 Excelトラッカーを更新して、重複した作業を誰も行わないようにしています。
私はsklearn.decomposition.DictionaryLearningに取り組んでいます
ここで@loduralityからGoogleドキュメントを更新し
https://docs.google.com/spreadsheets/d/19D-RQocsLk4BM7-Xax8hVvIu3XDgwYSUnvja4cMrJww/edit#gid = 0
私とShimengは行方不明のものに取り組んでいます。
@andreanr 、そのドキュメントはちょっと古く、たくさんの新しいクラスがありません。 モジュールまたはフォルダーを取得し、その中のすべてのパブリッククラスをカバーすることをお勧めします。
@adrinjalaliはい、確かに、現在のリストの未解決のものを完成させてから、更新されたモジュールに基づいてリストを更新します。
@andreanrもensemble.gradient_boosting
のクラスに取り組んでいますか? そうでなければ、私はそれに取り組みたいと思います。
@ daten-kiekerどうぞ!
こんにちは、
私が貢献できるものは残っていますか?
ありがとう。
@srividhyaprakash ensemble.gradient_boosting
推定量の例のみを追加しました。 他のクラスを見ることができます。
@ daten-kieker、お返事ありがとうございます。 手入れの行き届いた公共のレポに参加するのはこれが初めてです。 例のスタイルとフォーマットをコミットするための可能なスターターガイドについて教えてください。
ありがとう。
こんにちは、私がお手伝いできることはありますか?
それがまだ利用可能な場合、LinearRegression docstringを処理できますか?
@adrinjalali申し訳ありませんが、さまざまなコミットを読み終えたところ、#11975ですでにLinearRegressionが終了していることがわかりました。 LogisticRegression docstringを処理できますか?
ここに何が残っているのかわからなくなってしまいました。 1つの貢献は、実際にすべてのパブリッククラスをチェックし、まだ例が必要なクラスをリストして、そこから取得することです。
@adrinjalali 、残っているもののリストを編集できます
@adrinjalali 、私はとても興奮しました。質問するのを忘れました。このプロジェクトの特定のブランチに最新のアップデートがありますか?
マスターには最新のアップデートがあります。 一方、1つのアプローチは
生成されたAPIドキュメントを検討してください(例:
https://github.com/scikit-learn/scikit-learn.github.io/tree/master/dev/modules/generated)
class="rubric">Examples
を含まないファイルのgrep
@jnothman 、ありがとう、greppingのアドバイスは的確でした。 今日からリストの編集を始めます
既存のドキュメントを更新するか、新しいドキュメントを作成するために、ここでさらにヘルプが必要です。
それは私もオープンソースを始めるのに役立ちます....だからどんな方向性や仕事もいただければ幸いです。
例のないクラスの更新されたリストがまだ必要です。 @ Khayyon1にpingしますか?
@ Khayyon1はリストを完成させましたか、それとも助けが必要ですか..?
@adrinjalali 、私が支援を求めた直後に学校が再開し、これに取り組むことができなかったので、私はそれを落とさなければならないでしょう、私の謝罪
@adrinjalaliだから、 @ raghavrvによって言及されたリストからどれが残っているかを確認する必要があります
@ coderop2は3〜4年前のリストで、おそらく新しいリストを開始する方がよいでしょう。
返信が遅くなることをお詫びします...大学の試験が終わったらすぐに、古いリストを念頭に置いて新しいリストの編集を開始します....それがすべての人の参照として機能するのに十分であることを願っています
$ # 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.
...
これが正確かどうかはわかりません
これはより正確なものである可能性がありますが、それでも誤検知があります。 また、MixinクラスとWarningクラスの例は必要ないと仮定します。
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
はい、間違ったルックアップがあり、多くの誤検知が発生しました。 これの方が良い:
$ 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
これは76ですが、リストは62です。 base.*
とexceptions.*
は除外されますが、 ですが、 Sum
などの奇妙なものは含まれます。
申し訳ありませんが、両方にSumが含まれています。 馬鹿な。
GroupShuffleSplitを引き受ける
私はダミー(DummyClassifier、DummyRegressor)で作業します。
これは、例が必要になる可能性のあるクラスの現在のリストです。
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
こんにちは@ pspachtholz @ MechCoder 、私はこれに取り組みたいと思います。 私はscikit-learnに貢献することに興味があり、これが良い出発点になると思います。
ありがとう
@PyExtreme先に進んで、興味のあるクラスをリストから1つ以上選択し、例を追加してください。 次に、重複作業を避けるために、ここで作業している内容を投稿します。 ガイダンスについては、以前にマージされたプルリクエストを参照してください。
@pspachtholz、私は当初_ExtraTreesClassifier_を拾っていますし、コミット作った後、私はバッチでピックアップしたいと思います。
ありがとう
勾配ブースティングに取り組みました。
neural_network.MLPClassifier
とneural_network.MLPRegressor
私はsvm.LinearSVC
私はsklearn.multioutput.MultiOutputClassifier
取り組んでいます
こんにちは、私はmixture.BayesianGaussianMixture
とmixture.GaussianMixture
取り組んでいます
私はfeature_extraction.text.TfidfTransformer
ます。 幸運を祈ります!
私はfeature_extraction.text.TfidfTransformerを使用しています。 幸運を祈ります!
また、それに取り組んでいます-多分私たちは例を共有することができますか?
ensemble.ExtraTreesClassifier
拾う
ensemble.BaggingRegressor
選んでいます
私はfeature_selection.SelectFromModel
取り組んでいます
私は隣人を選んでいます。KernelDensity
私はensemble.IsolationForest
multiclass.OneVsRestClassifier
ねえ、私はガウス過程のカーネルに取り組んでいます。 gaussian_process.kernels.RBF
から始めて、 @ thorbenjensenで他のカーネルを
ensemble.GradientBoostingClassifier
取り組んでいます
Perceptron
取り組んでいます
ensemble.GradientBoostingRegressor
取り組んでいます
次はtree.ExtraTreeClassifier
アンサンブルに取り組んでいます。GradientBoostingRegressor
multiclass.OutputCodeClassifier
neighbors.LocalOutlierFactor
。
ensemble.RandomTreesEmbedding
取り組んでいます
ensemble.ExtraTreesClassifier
拾う
こんにちは@jorahn 、私はすでにそれに関するPRを提出しました。
別のモジュールをお気軽に選択してください。
重複した作業を避けるために、誰かがすでにクラスで作業しているかどうかを確認する前に、コメントを確認することをお勧めします。
一部のクラスでは、すでにいくつかの(おそらく古い)mrgリクエストがあり、作成者にまだ積極的に取り組んでいるかどうかを尋ねることができます。
@flaviomorelli @LBrummer @mschaffenrothこのPRではすでにアンサンブルグラデーションを実行しました#15151
ところで、これがスピードを上げていることを確認するのは本当にクールです:-)
ensemble.ExtraTreesClassifier
拾うこんにちは@jorahn 、私はすでにそれに関するPRを提出しました。
別のモジュールをお気軽に選択してください。
ああ、この問題ではそれを見ていませんでした。 そのために2つのPRがあります
パーセプトロンはすでに文書化されています。
tree.ExtraTreeRegressor
取り組んでいます
impute.IterativeImputer
取り組んでいます
@pspachtholz、私は当初_ExtraTreesClassifier_を拾っていますし、コミット作った後、私はバッチでピックアップしたいと思います。
ありがとう
@jorahn 、私は1週間前にここでのみ言及し、1週間からすでに取り組んでいました。
OneVsOneClassifierでの作業。
metrics.RocCurveDisplay
行きます
multioutput.ClassifierChain
取り組んでいます
PriorProbabilityEstimator
取り組んでいます。
multioutput.MultiOutputRegressorに取り組んでいます
neighbors.BallTree
を取る
PriorProbabilityEstimator
はバージョン0.21で非推奨になり、バージョン0.23で削除されます。 これに取り組んでいません。
covariance.OAS
取り組んでいます
SelectPercentile
すでに文書化されています。
ensemble.ExtraTreesRegressor
取り組んでいます
neighbors.BallTree
を取る
BallTreeとcompose.ColumnTransformer
例はすでにいくつかあります
RANSACRegressor
すでに文書化されています。
decomposition.SparseCoder
を取る
SelectKBest
すでに文書化されています。
SpectralClustering
すでに文書化されています
IsolationForest
取り組んでいます
IsolationForest
取り組んでいます
こんにちは@zioalex 、私はすでにこれのPRを持っています:#15205。 提案やコメントを喜んで受け取ります:smiley:
neighbors.DistanceMetric
作業。
multioutput.RegressorChain
取り組んでいます
exceptions.ConvergenceWarning
取り組んでいます
exceptions.ChangedBehaviorWarning
取り組んでいます
exceptions.ChangedBehaviorWarning
取り組んでいます
@adrinjalaliを利用した後、リリースに依存するため、これには取り組んでいない方がよいと結論付けました。 そして、それはおそらくどこかに移動されるでしょう。
あなたの心の安らぎのために私たちのようになりなさい、 exceptions.ChangedBehaviorWarning
取り組んではいけません
exceptions.DataDimensionalityWarning
取り組んでいます
いくつか取り組みたいと思います。 光学から始めます。
こんにちは! K-meansクラスタリングにサンプルコードスニペットを追加した後、PRを上げました。 これは私の最初のオープンソースの貢献なので、誰かがこれを調べて、さらに作業が必要かどうかを確認できれば素晴らしいと思います。
よろしくお願いいたします。
スムリティシン
昨年10月のリストを調べて、PR /例がすでにマージされているクラスを確認しました。 それ以上何も起こらなかった昨年以上の主張は無視できると思います。
そこで、更新されたToDoリストがあります。
これには対応していません。リリースに依存します: exceptions.ChangedBehaviorWarning
分解.SparseCoder#15233
〜exceptions.DataDimensionalityWarning#15246〜
混合物.BayesianGaussianMixture#15193
混合ガウス混合物#15193
multioutput.ClassifierChain#15211
multioutput.RegressorChain#15215
新しいオープンPR:
分解。DictionaryLearning#16907
〜exceptions.EfficiencyWarning#16785〜
〜exceptions.UndefinedMetricWarning#16784〜
(編集: base
あるものは、開発者ガイドに適しています。今は無視しましょう)
〜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〜
アップデート。
共分散.OAS#16681
multioutput.MultiOutputRegressor#16698
tree.ExtraTreeClassifier#16671
neighbors.DistanceMetric
neighbors.KDTree
neighbors.LocalOutlierFactor
例外。DataConversionWarning#16704
multiclass.OneVsOneClassifier#16700
base.*
クラスの例が必要ですか? developer guide
それらをより適切に文書化する方が理にかなっていると思います。 WDYT @jnothman @NicolasHug ?
開発者ガイドの方が良いことに同意しました。 コメントを編集しています
誤って閉店したと思います。
multioutput.MultiOutputClassifierにはすでに例があります。 属性の例を含めるように更新する必要がありますか、それともTO DOリストから削除する必要がありますか?
リストから削除できると思います。 ありがとう@marenwestermann
リストから削除できると思います。 ありがとう@marenwestermann
わかりました。例もあるので、feature_selection.SelectFromModelも削除できます。 (これらは昨年10月に追加されました。)
utils.Memory
とutils.Parallel
:
scikit-learnのWebサイトでは、「バージョン0.23で削除される」と言われています。 これらのクラスが存在するutils.__init__.py
ファイルを確認したところ、削除されました。 したがって、これらもリストから削除できます。
gaussian_process.kernels.Kernel
挑戦してみます:)
上記のDictionaryLearning / MiniBatchDictionaryLearning PRとは別に、私はネイバーも調べました。*クラス:すべてに少なくとも1つの例がすでにあります。 neighbors.KDTreeおよびneighbors.BallTree用のものは、_binary_tree.pxiインクルードファイルにあるCLASS_DOC形式の文字列から生成されます。
このプロジェクトに貢献するのは初めてです。 私は隣人を調べたいと思います。*以下を含むクラス:
neighbors.DistanceMetric
neighbors.KDTree
neighbors.LocalOutlierFactor
gaussian_process.kernels.Kernel
。 ドキュメントによると、これは「すべてのカーネルの基本クラス」です。 したがって、そのすべての属性は読み取り専用のプロパティ属性( @property
デコレータを使用するメソッド)です。 したがって、私の理解では、このクラスは別のクラスと組み合わせてのみ使用できるため、このクラスに例を追加することは意味がありません。
ただし、 gaussian_process.kernels.Kernel
のWebページの一番下までスクロールすると、このクラスの使用方法の例へのリンクがあります。 これは2019年11月に追加されました。この例では、 Kernel
クラスを継承するクラスSequenceKernel
が作成されます。 SequenceKernel
クラスはscikit-learnの機能ではありませんが、追加するのに興味深い機能かもしれません。
私がここに書いたことが間違っているなら、私を訂正してください。
ええ、それはそれの例を書くのがあまりにも複雑になるでしょう。 リストから削除されてうれしいです。
@Malesche exceptions.DataDimensionalityWarning
は現在クローズされているため、TODOリストから削除できます。
inspection.PartialDependenceDisplay
:
クラスの説明では、「 plot_partial_dependence
を使用してPartialDependenceDisplay
を作成することをお勧めします」と書かれています。 この関数を見て、その中にPartialDependenceDisplay
オブジェクトが作成され、そのplot
メソッドが呼び出されます。 plot_partial_dependence
使い方の例がありますので、 inspection.PartialDependenceDisplay
例を追加する必要はないと思います。 @adrinjalali 、どう思いますか?
同意した@marenwestermann
exceptions.NonBLASDotWarning
で例持つに対する判決ので、また、TODOリスト取り出すことができるexceptions.py
なされている(#17040を参照してください)。
@cmarmoの提案を
こんにちは、私はgaussian_process.kernels.Hyperparameter
を引き受けようとします。
こんにちは、 linear_model.*
を引き受けます。
こんにちは、私たちはアンサンブルを取ります。GradientBoostingClassifier
こんにちは、私たちはアンサンブルを取ります。GradientBoostingClassifier
これにはすでに例があります。
ねえ、私たちは今取っています:
ねえ@ adrinjalali 、PRをチェックして頂けますか? ありがとう!
@emdupreと私は、データアンブレラスプリントの一部として以下で作業します。
こんにちは@adrinjalali 、私たちはすでに以下のいくつかの例を見ることができるようです。 ToDoリストでは更新されません。 提案してください。
こんにちは私は取り組みます:
こんにちは、私は取り組みます:
gaussian_process.kernels.CompoundKernel
すべてのPRがマージされ、例がなければ関連するクラスがなくなるため、これを閉じます。
スプリント中のトリアージを手伝ってくれた@ j2hengに感謝します!
まあ、本当に。 上のリストは古くなっていますか?
そうそう、私は他のPRを統合しました。
最も参考になるコメント
すべてのPRがマージされ、例がなければ関連するクラスがなくなるため、これを閉じます。
スプリント中のトリアージを手伝ってくれた@ j2hengに感謝します!