BlueBrain / BlueBrain/BlueGraph
Add means for evaluation/calibration of embedding models
- Lingua principale
- Python
- Stelle
- 34
- Fork
- 5
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Descrizione
We need to have means for reserving a validation set (or even make a k-fold cross validation) for the embedding models (usually based on link prediction, i.e. reserve sets of links for validation).
Useful references:
- https://stellargraph.readthedocs.io/en/stable/demos/calibration/calibration-link-prediction.html
- https://neo4j.com/docs/graph-data-science/current/algorithms/ml-models/node-classification/
Guida per i contributori
Apri la guida per i contributori
Direzione di ricerca
Inizia esaminando l’esempio di calibrazione di StellarGraph collegato e la documentazione sulla classificazione dei nodi di Neo4j, quindi individua i punti di ingresso di BlueGraph per embedding-model e link-prediction. Definisci come devono essere riservati e valutati i link di validazione o gli split k-fold; il lavoro è concluso quando il progetto dispone di un percorso di valutazione documentato e utilizzabile per i modelli di embedding.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Valutazione
- Stack tecnologico
- python
- Ambito
- machine-learning
- Tipo di issue
- Funzionalità
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Stato di attività
- Ferma
- Chiarezza
- Da chiarire
- Idoneità per principianti
- 25/100