각 추정기를 사용하는 작은 코드 스니펫/doctest를 의미한다고 가정합니다.

이것이 내가 자동 링크를 관련 항목에 다시 추가한 이유 중 하나입니다.
컴파일된 API 참조를 표시할 때 갤러리의 예, 예
http://scikit-learn.org/dev/modules/generated/sklearn.manifold.Isomap.html#examples -using-sklearn-manifold-isomap.
불행히도 이러한 렌더링을 수행하는 직접적인 방법은 없었습니다.
doctest 예제는 수행합니다 (따라서 그들은 끝으로 강등되었습니다.
numpydoc 세대에서 벗어난 페이지).

2014년 11월 12일 23:06에 Manoj Kumar [email protected]이 다음과 같이 썼습니다.

수업에 있는 대부분의 문서에는 예제가 없습니다. 하나 추가하면 좋을듯
또는 이와 유사한 두 가지 예,
http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.Lasso.html

—
이 이메일에 직접 답장하거나 GitHub에서 확인하세요.
https://github.com/scikit-learn/scikit-learn/issues/3846.

예, API를 표시하기 위해 아마도 하나 또는 두 개의 라이너(예: https://github.com/scikit-learn/scikit-learn/pull/3802/files#diff -1741ad6b05f1eb0fd71af8bad0e001c7R321)를 의미했습니다.

이것이 내가 컴파일된 API 참조를 표시할 때 갤러리의 관련 예제에 대한 자동 링크를 다시 추가한 이유 중 하나입니다.

이것은 굉장합니다. 나는 전에 그것을 눈치 채지 못했다!

이것은 굉장합니다. 나는 전에 그것을 눈치 채지 못했다!

dev에서만. 그리고 페이지 하단에 숨겨져 있습니다 :(

어디가 더 좋을 것 같습니까?

클래스 설명 아래 및 매개변수 위?

방법 설명 이전의 아무 곳이나 괜찮습니다. 메서드 설명은 API 참조 페이지에서 많은 수직 공간을 차지할 수 있으므로 누군가가 예제를 찾기 위해 스크롤을 지나치지 않을 것입니다.

늦은 답변 죄송합니다. 너무 쉬운 일이 아니라고 생각합니까? 그렇지 않으면 스스로 했을까요?

아니요, 현재 접근 방식보다 훨씬 더 해커입니다!

2014년 11월 19일 21:59에 Manoj Kumar [email protected] 은 다음과 같이 썼습니다.

늦은 답변 죄송합니다. 너무 쉬운 일이 아니라고 생각합니까? 또 다른
스스로 했을까요?

—
이 이메일에 직접 답장하거나 GitHub에서 확인하세요.
https://github.com/scikit-learn/scikit-learn/issues/3846#issuecomment -63623385
.

누락된 클래스의 독스트링에 단순히 예제를 추가하는 것은 어떻습니까?

다음은 현재 Examples 섹션이 누락된 추정기( 98 - 10 / 148 )입니다.

완료/WIP

ExtraTreesRegressor
BaggingClassifier
BaggingRegressor

4498 -

AdaBoostRegressor

GradientBoostingRegressor

필요하지 않음

ExtraTreeClassifier  # Used only in ensembling
ExtraTreeRegressor # -do-

할 것

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

당연하지만 조금은 지루한 면이 있다고 생각하지 않습니까? 스크립트가 없으면.

이 모든 estimator에 대해 조금 배우고 싶었습니다... 이 방법이 좋은 방법이 될 것 같습니다. :) 작업을 시작해 볼까요?

확신하는!

나는 이 일을 하고 있다.

@ltcguthrie 어느 부분? 이를 위해 작업할 모델이 많이 있습니다.

TfidfVectorizer로 시작하겠습니다.

RandomForestClassifier 및 RandomForestRegressor 작업

PassiveAggressiveClassifier, PassiveAggressiveRegressor 작업

LinearSVC, LinearSVR 작업

StandardScaler, MinMaxScaler 작업

ElasticNet, ElasticNetCV 작업

또한 완료/취소된 개체 목록에 대한 Google 문서를 만들었습니다.

https://docs.google.com/spreadsheets/d/19D-RQocsLk4BM7-Xax8hVvIu3XDgwYSUnvja4cMrJww/edit#gid =0

@lodurality 확인란을 사용하여 여기에서 목록을 만들 수도 있습니다.

• [ ] 처럼
• [ ] 이것

모든 수업에 작은 예제를 포함하는 것이 도움이 될 것이라고 생각하기 때문에 0.21 및 좋은 첫 번째 문제로 표시하겠습니다.

sklearn/cluster

안녕하세요, 저는 첫 번째 기여로 Imputer에 대한 예제를 추가하는 작업을 하고 있습니다.

선형 회귀 사용: http://scikit-learn.org/stable/modules/generated/sklearn.linear_model.LinearRegression.html

TfidfVectorizer 및 CountVectorizer 작업.

#7961 , #8519 및 #8525 에서 작업 되었지만 아직 완료되거나 병합되지 않은 것 같습니다.

또한 sklearn/feature_extraction/text.py 에서 HashingVectorizer 작업 중입니다.

OPTICS 갑니다. (#11677에 따라 다름)

sklearn/feature_selection/univariate_selection.py 복용

버그가 있더라도 여전히 OPTICS에 대한 예제를 제공할 수 있다고 생각합니다. :)

@qinhanmin2014 버그가 표시되지 않도록 이상값이 없는 예를 의미합니까? OPTICS 가 이상값을 감지하는 방법을 알려주는 예제가 있으면 좋을 것 같습니다. 버그가 수정되면 예제를 변경하는 것을 잊어버릴 것 같습니다. 문제가 해결되면 _bug_ 문제에 메모를 작성하여 예제를 수정할 수 있지만 초기 예제에는 이상값이 없습니다. 그렇게 해야 하나요?

버그가 표시되지 않도록 이상값이 없는 예를 의미합니까?

아니요, DBSCAN과 같이 이상값이 있는 것을 의미합니다.

버그를 조사하지는 않았지만 OPTICS가 대부분의 경우 올바른 이상값을 감지할 수 있으므로 여전히 예제를 구성할 수 있을 것으로 예상합니다. 그렇지 않은 경우 버그에 차단기로 태그를 지정해야 한다고 생각합니다.

공평하게, 나는 그것이 잘 작동하는 간단한 예를 찾을 수 있는지 시도하고 볼 것입니다.

sklearn/linear_model/ridge.py 복용

sklearn/covariance/graph_lasso_.py 복용

sklearn/linear_model/logistic.py 복용

preprocessing 수업을 듣고 있습니다.

퍼셉트론 복용

Perceptron 클래스에 예제를 추가했지만 알 수 없는 이유로 작동하지 않습니다.
도움이 필요합니다. 저는 초보자입니다!(ps-이미 풀 리퀘스트를 생성했습니다).

https://github.com/scikit-learn/scikit-learn/pull/11798

sklearn/random_projection 복용

[[MRG] Perceptron.py에서 scikit-learn/scikit-learn/linear_model/perceptron.py로의 퍼셉트론 예제 #11798

'sklearn/manifold' 복용

sklearn.feature_extraction.image.PatchExtractor에서 작업 중입니다.

Andrea와 저는 sklearn.cluster.Ward 및 LedoitWolf 예제에서 작업할 것입니다. 아무도 중복된 노력을 기울이지 않도록 Excel 추적기를 업데이트하고 있습니다.

저는 sklearn.decomposition.DictionaryLearning 작업 중입니다.

@lodurality 에서 Google 문서를 여기에서 업데이트했습니다.
https://docs.google.com/spreadsheets/d/19D-RQocsLk4BM7-Xax8hVvIu3XDgwYSUnvja4cMrJww/edit#gid =0

나와 Shimeng은 누락된 부분을 처리할 것입니다.

@andreanr , 그 문서는 다소 오래되었고 많은 새로운 클래스가 누락되었습니다. 더 나은 아이디어는 모듈이나 폴더를 가져와서 그 안에 있는 모든 공개 클래스를 다루는 것입니다.

@adrinjalali 예, 현재 목록에서 미해결 항목을 완료한 다음 업데이트된 모듈에 대한 목록 기반을 업데이트합니다.

@andreanr 님 도 ensemble.gradient_boosting 의 수업을 하고 계신가요? 그렇지 않으면 작업하고 싶습니다.

@daten-kieker 가세요!

안녕,

내가 기여할 수 있는 것이 남아 있습니까?

감사 해요.

@srividhyaprakash ensemble.gradient_boosting 추정기에 대한 예만 추가했습니다. 다른 수업을 볼 수 있습니다.

@daten-kieker, 답변 감사합니다. 이것은 잘 관리 된 공개 리포지토리에서 처음입니다. 예제의 스타일과 형식을 커밋할 수 있는 스타터 가이드를 알려주시겠습니까?
감사 해요.

@srividhyaprakash 개발자 가이드 에서 찾은 내용을 살펴보는 것으로 시작할 수 있습니다. 시작하는 데 질문이 있는 경우 gitter에 질문할 수도 있습니다. 이곳에서 즐거운 공헌 여행을 하시길 바랍니다.

이 특정 문제를 시작하고 나면 이 스레드에서 볼 수 있는 일부 pull 요청을 확인하여 관련 내용을 파악할 수 있습니다.

안녕하세요, 제가 도와드릴 수 있는 일이 남아 있습니까?

여전히 사용 가능한 경우 LinearRegression 독스트링을 처리할 수 있습니까?

@adrinjalali 죄송합니다. 방금 다른 커밋을 읽었으며 #11975 에서 LinearRegression을 이미 완료한 것을 보았습니다. LogisticRegression 독스트링을 처리해도 됩니까?

우리는 여기에 무엇이 남았는지 방향을 잃었습니다. 한 가지 기여는 실제로 모든 공개 클래스를 확인하고 여전히 예제가 필요한 클래스를 나열하고 거기에서 가져오는 것입니다.

@adrinjalali , 남은 목록을 컴파일할 수 있습니다.

@adrinjalali , 너무 흥분해서 물어보는 것을 잊었습니다. 이 프로젝트에 최신 업데이트가 있는 특정 분기가 있습니까?

마스터에 최신 업데이트가 있습니다. 반면에 한 가지 접근 방식은 다음과 같을 수 있습니다.
생성된 API 문서를 고려하십시오(예:
https://github.com/scikit-learn/scikit-learn.github.io/tree/master/dev/modules/generated)
class="rubric">Examples 포함하지 않는 파일의 경우 grep

@jnothman , 감사합니다. grepping 조언이

기존 문서를 업데이트하거나 새 문서를 만드는 데 도움이 더 필요하십니까?
오픈 소스를 시작하는 데도 도움이 될 것입니다. .... 모든 지침이나 작업에 감사드립니다.

예제가 없는 업데이트된 클래스 목록이 여전히 필요합니다. 핑 @Khayyon1?

@Khayyon1 목록을 작성했거나 도움이 필요하십니까..?

@adrinjalali , 지원을 요청한 직후 학교가 재개되었고 이에 대해 작업할 수 없었기 때문에 중단해야 할 것입니다. 사과드립니다.

모든 @raghavrv 언급 목록에서 잔존하는 @adrinjalali 그래서 표시되어야

@coderop2 3-4년 된 목록입니다. 아마도 새 목록을 시작하는 것이 더 나을 것입니다!

답장이 늦어서 죄송합니다...대학 시험이 끝나는 대로 이전 목록을 염두에 두고 새 목록을 작성하기 시작할 것입니다....그것이 모든 사람에게 참조 역할을 하기에 충분하기를 바랍니다.

$ # 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.
...

정확하지 않음

이것은 더 정확한 것일 수 있지만 여전히 가양성이 있습니다. 또한 Mixin 및 Warning 클래스에 대한 예제가 필요하지 않다고 가정합니다.

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

예, 잘못된 조회를 하여 많은 오탐지를 제공했습니다. 이게 낫다:

$ 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

목록은 62 동안이 76 : 그것은 제외 base.* 및 exceptions.* 같은 이상한 것들을 포함하면서, @adrinjalali 공평, 인을 Sum .

죄송합니다. 둘 다 Sum을 포함합니다. 바보 같은.

GroupShuffleSplit 인수

나는 더미(DummyClassifier, DummyRegressor)에서 작업할 것입니다.

다음은 예제가 필요할 수 있는 클래스의 현재 목록입니다.

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

안녕하세요 @pspachtholz @MechCoder , 이 작업을 하고 싶습니다. 저는 scikit-learn에 기여하는 데 관심이 있으며 이것이 좋은 출발점이 될 수 있다고 생각합니다.

감사 해요

@PyExtreme 계속 진행하고 목록에서 흥미롭게 찾은 하나 이상의 클래스를 선택하고 예제를 추가할 수 있다고 생각합니다. 그런 다음 중복 작업을 피하기 위해 작업 중인 내용을 여기에 게시합니다. 지침을 위해 이전에 병합된 pull 요청을 볼 수 있습니다.

@pspachtholz , 처음에 _ExtraTreesClassifier_ 를 선택하고 커밋한 후 일괄적으로 선택하고 싶습니다.

감사 해요

그래디언트 부스팅 작업을 했습니다.

neural_network.MLPClassifier 및 neural_network.MLPRegressor

저는 svm.LinearSVC

sklearn.multioutput.MultiOutputClassifier

안녕하세요, 저는 mixture.BayesianGaussianMixture 및 mixture.GaussianMixture

저는 feature_extraction.text.TfidfTransformer 있습니다. 내게 행운을 빌어 줘!

저는 feature_extraction.text.TfidfTransformer에 있습니다. 내게 행운을 빌어 줘!

또한 작업 중입니다. 예를 공유할 수 있을까요?

ensemble.ExtraTreesClassifier 픽업

ensemble.BaggingRegressor 선택하겠습니다.

feature_selection.SelectFromModel

나는 이웃을 선택하고 있습니다.KernelDensity

저는 ensemble.IsolationForest

multiclass.OneVsRestClassifier

안녕하세요, 저는 gaussian_process.kernels.RBF 시작하는 Gaussian Process 커널에서 작업할 것입니다. 그런 다음 @thorbenjensen으로 다른 커널을 수행할

ensemble.GradientBoostingClassifier

Perceptron

ensemble.GradientBoostingRegressor

다음 tree.ExtraTreeClassifier

앙상블 작업 중.GradientBoostingRegressor

multiclass.OutputCodeClassifier 살펴보기

neighbors.LocalOutlierFactor 있습니다.

ensemble.RandomTreesEmbedding

ensemble.ExtraTreesClassifier 픽업

안녕하세요 @jorahn , 이미 이에 대한 PR을 제출했습니다.
다른 모듈을 자유롭게 선택하십시오.

중복 작업을 피하기 위해 누군가가 이미 수업에 참여하고 있는지 확인하기 전에 댓글을 살펴보는 것이 좋습니다.
일부 클래스의 경우 이미 일부 (오래된) mrg 요청이 있으며, 여기서 저자가 여전히 적극적으로 작업 중인지 여부를 물어볼 수 있습니다.

@flaviomorelli @LBrummer @mschaffenroth 이 PR에서 이미 앙상블 그래디언트를 수행했습니다 #15151

속도가 빨라지는 걸 보니 정말 멋지네요 :-)

ensemble.ExtraTreesClassifier 픽업

안녕하세요 @jorahn , 이미 이에 대한 PR을 제출했습니다.
다른 모듈을 자유롭게 선택하십시오.

오, 이 문제에서 그것을 보지 못했습니다. 이제 이에 대한 2개의 PR이 있습니다.

퍼셉트론은 이미 문서화되어 있습니다.

tree.ExtraTreeRegressor

impute.IterativeImputer

@pspachtholz , 처음에 _ExtraTreesClassifier_ 를 선택하고 커밋한 후 일괄적으로 선택하고 싶습니다.

감사 해요

@jorahn , 나는 1주일 전에 여기에 대해서만 언급했고 이미 1주일부터 작업하고 있었습니다.

OneVsOneClassifier에서 작업 중입니다.

metrics.RocCurveDisplay

multioutput.ClassifierChain

PriorProbabilityEstimator 입니다.

multioutput.MultiOutputRegressor 작업

neighbors.BallTree 복용

PriorProbabilityEstimator 는 버전 0.21에서 더 이상 사용되지 않으며 버전 0.23에서 제거됩니다. 이 작업을 하지 않습니다.

covariance.OAS

SelectPercentile 이미 문서화되었습니다.

ensemble.ExtraTreesRegressor

neighbors.BallTree 복용

BallTree 및 compose.ColumnTransformer 대한 몇 가지 예가 이미 있습니다.

RANSACRegressor 이미 문서화되었습니다.

decomposition.SparseCoder 복용

SelectKBest 이미 문서화되었습니다.

SpectralClustering 이미 문서화됨

IsolationForest

IsolationForest

안녕하세요 @zioalex , 저는 이미 이에 대한 PR을 가지고 있습니다: #15205. 제안과 의견을 기꺼이 받아들입니다 :스마일리:

neighbors.DistanceMetric 에서 작업 중입니다.

multioutput.RegressorChain

exceptions.ConvergenceWarning

exceptions.ChangedBehaviorWarning

exceptions.ChangedBehaviorWarning

@adrinjalali 로

당신의 마음의 평화를 위해 우리처럼 exceptions.ChangedBehaviorWarning 작업하지 마십시오

exceptions.DataDimensionalityWarning

몇 가지 작업을 하고 싶습니다. 광학부터 시작하겠습니다.

안녕! K-means 클러스터링에 예제 코드 스니펫을 추가한 후 방금 PR을 올렸습니다. 이것은 나의 첫 번째 오픈 소스 기여이므로 누군가 이것을 살펴보고 더 많은 작업이 필요한지 확인할 수 있다면 좋을 것입니다!
감사합니다.
스므리티 싱

지난 10월의 목록을 살펴보고 어떤 수업이 이미 PR/예제를 병합했는지 확인했습니다. 더 이상 아무 일도 일어나지 않은 작년 또는 그 이상 이전의 주장은 무시해도 된다고 생각합니다.
업데이트된 할일 목록이 있습니다.

이 작업을 수행하지 마십시오. 릴리스에 따라 다릅니다. exceptions.ChangedBehaviorWarning

공개 PR:

분해.SparseCoder #15233

~exceptions.DataDimensionalityWarning #15246~
mix.BayesianGaussianMixture #15193
mix.GaussianMixture #15193
multioutput.ClassifierChain #15211
multioutput.RegressorChain #15215

새로운 오픈 홍보:
분해.DictionaryLearning #16907
~예외.효율 경고 #16785~
~exceptions.UndefinedMetricWarning #16784~

무료 복용:

(편집: base 것들은 개발자 가이드에 더 적합합니다. 지금은 무시합시다)
~base.BaseEstimator~
~base.BiclusterMixin~
~base.ClassifierMixin~
~base.ClusterMixin~
~base.DensityMixin~
~base.RegressorMixin~
~base.TransformerMixin~

분해.MiniBatchDictionaryLearning

~예외.NonBLASDotWarning~

~feature_selection.SelectFromModel~

gaussian_process.kernels.CompoundKernel
gaussian_process.kernels.Hyperparameter
~gaussian_process.kernels.Kernel~

~inspection.PartialDependenceDisplay~

~multiclass.OneVsOneClassifier~

~다중출력.다중출력분류기~

~utils.메모리~
~utils.병렬~

업데이트.
공분산.OAS #16681
multioutput.MultiOutputRegressor #16698
tree.ExtraTreeClassifier #16671

Neighbors.DistanceMetric
이웃.KDTree
이웃.LocalOutlierFactor

exceptions.DataConversionWarning #16704

multiclass.OneVsOneClassifier #16700

base.* 클래스에 대한 예제를 원하십니까? developer guide 에서 더 잘 문서화하는 것이 더 합리적이라고 생각합니다. WDYT @jnothman @NicolasHug ?

개발자 가이드에 더 낫다는 데 동의했습니다. 댓글 수정중입니다

우연히 문을 닫았던 것 같아요.

multioutput.MultiOutputClassifier에는 이미 예제가 있습니다. 속성의 예를 포함하도록 업데이트해야 합니까 아니면 TO DO 목록에서 제거해야 합니까?

목록에서 제거할 수 있다고 생각합니다. @marenwestermann 감사

목록에서 제거할 수 있다고 생각합니다. @marenwestermann 감사합니다

좋습니다. 그러면 feature_selection.SelectFromModel도 예제가 있기 때문에 제거할 수 있습니다. (작년 10월에 추가되었습니다.)

utils.Memory 및 utils.Parallel :
scikit-learn 웹사이트에서는 "버전 0.23에서 제거될 예정"이라고 합니다. 이 클래스가 있던 utils.__init__.py 파일을 확인했는데 제거되었습니다. 따라서 이것들도 목록에서 제외될 수 있습니다.

gaussian_process.kernels.Kernel 시도해 보겠습니다. :)

위의 DictionaryLearning/MiniBatchDictionaryLearning PR 외에도 Neighbors.* 클래스도 살펴보았습니다. 모두 이미 하나 이상의 예제가 있습니다. Neighbors.KDTree 및 Neighbors.BallTree에 대한 것들은 _binary_tree.pxi 포함 파일에서 찾을 수 있는 CLASS_DOC 형식 문자열에서 생성됩니다.

이 프로젝트에 기여한 것은 처음입니다. 다음을 포함한 이웃* 클래스를 살펴보고 싶습니다.
Neighbors.DistanceMetric
이웃.KDTree
이웃.LocalOutlierFactor

gaussian_process.kernels.Kernel 살펴보았습니다. 문서에 따르면 "모든 커널의 기본 클래스"입니다. 따라서 모든 속성은 읽기 전용 속성 속성입니다( @property 데코레이터가 있는 메서드). 따라서 다른 클래스와 조합해서만 사용할 수 있기 때문에 이 클래스에 예제를 추가하는 것은 의미가 없습니다.
그러나 gaussian_process.kernels.Kernel 의 웹페이지 맨 아래로 스크롤하면 이 클래스를 사용하는 방법의 예에 대한 링크가 있습니다. 이 클래스 예 2019 년 11 월에 첨가 SequenceKernel 로부터 상속되는 생성 Kernel 클래스. SequenceKernel 클래스는 scikit-learn의 기능이 아니지만 추가할 흥미로운 기능일 수 있습니다.

여기에 쓴 내용이 잘못된 부분이 있으면 수정해 주세요.

예, 예제를 작성하기에는 너무 복잡할 것입니다. 목록에서 제거되어 기쁩니다.

@Malesche exceptions.DataDimensionalityWarning 는 이제 닫혀서 TODO 목록에서 제외될 수 있습니다.

inspection.PartialDependenceDisplay :
클래스 설명에는 " plot_partial_dependence 를 사용하여 PartialDependenceDisplay 를 만드는 것이 좋습니다."라고 나와 있습니다. 이 함수를 살펴보고 그 안에 PartialDependenceDisplay 개체가 생성되고 해당 plot 메서드가 호출됩니다. plot_partial_dependence 를 사용하는 방법에 대한 예제가 있으므로 inspection.PartialDependenceDisplay 에 예제를 추가할 필요가 없다고 생각합니다. @adrinjalali 어떻게 생각

동의했습니다 @marenwestermann

exceptions.NonBLASDotWarning 있는 예제 갖는 대해 결정하기 때문에 또한 TODO리스트 박리 될 수 exceptions.py 만들어졌다 (# 17040 참조).

@NicolasHug , @amueller 이 문제를 스프린트 문제로 사용하려는 경우 여기 에서 여전히 예제가 누락된 클래스 목록을 찾을 수 스크립트 덕분에 스스로 수정... :)). 이미 base 및 exceptions 클래스를 제거했습니다. 목록의 시작 부분에 있는 문제를 수정하도록 제안해도 될까요? 이렇게 하면 사용 가능한 클래스를 더 쉽게 식별할 수 있습니다. 이전 스프린트(뿐만 아니라)에서 아직 열려 있는 PR이 목록에 연결되어 있습니다. 새 이벤트 전에 마무리하는 것이 유용할 것이라고 생각합니다(이미 리뷰를 시작한 @thomasjpfan 에게 감사드립니다).

@cmarmo 제안에 감사드리며 문제를 업데이트했습니다.

안녕하세요, 저는 gaussian_process.kernels.Hyperparameter 시도할 것입니다.

안녕하세요, 저는 linear_model.* 맡겠습니다.

• linear_model.PoissonRegressor
• linear_model.TweedieRegressor
• linear_model.GammaRegressor

안녕하세요, 앙상블을 하겠습니다.GradientBoostingClassifier

안녕하세요, 앙상블을 하겠습니다.GradientBoostingClassifier

이것은 이미 예가 있습니다.

이봐, 우리는 지금 복용하고 있습니다:

• metrics.ConfusionMatrixDisplay
• metrics.PrecisionRecallDisplay

@adrinjalali님 , PR을 확인해 주시겠습니까? 감사 해요!

@emdupre 와 저는 데이터 우산 스프린트의 일환으로 아래에서 작업할 것입니다.

• 이웃.볼트리
• Neighbors.DistanceMetric
• 이웃.KDTree

@adrinjalali님 , 안녕하세요. 아래에서 이미 몇 가지 예를 볼 수 있는 것 같습니다. 할 일 목록에서 업데이트되지 않습니다. 제안하십시오.

• 이웃.볼트리
• Neighbors.DistanceMetric
• 이웃.KDTree

안녕 나는 일할 것이다:

• 분해.DictionaryLearning(#16907)
• 분해.MiniBatchDictionaryLearning(#16907)
• 분해.SparseCoder(#15233)

안녕, 나는 일할 것이다:

• gaussian_process.kernels.CompoundKernel

모든 PR이 병합되었고 예제가 없는 관련 클래스가 더 이상 없으므로 이것을 닫습니다.
스프린트 중 분류에 도움을 준 @j2heng 에게 감사드립니다!

오, 진짜. 맨 위에 있는 목록이 오래된 것입니까?

아, 다른 PR을 병합했습니다.