CouncilDataProject / CouncilDataProject/cdp-data

Look into n-gram entropy

Abierto
#6 0 comentarios 0 reacciones 0 asignados Ver en GitHub
enhancement
Lenguaje dominante
Jupyter Notebook
Estrellas
5
Forks
4
Métricas de merge de PR
Sin PR fusionados en 30 d

Descripción

From Bill:

> `(word1, frequncy), (word2, frequency), ...`
> then trying to measure how far that distribution is from uniform
> one simple nice way is entropy
> `P(word1)*log(P(word1)) + P(word2)*log(P(word2)) + ...`
> where P(word1) is just frequency of word1 / total words
>
> It's nice because it measures how "unpredictable" the signal is. If most words are zero, and only a few words are common, then it's predictable. Or, if all words are exactly the same, then it's predictable. But if it's crazy town, then it's not predictable.

This seems like a decent resource: http://normal-extensions.com/2013/08/04/entropy-for-n-grams/

Guía de contribución

Abrir la guía de contribución

Línea de trabajo

El issue no menciona archivos, pruebas ni puntos de entrada. Empieza leyendo el recurso enlazado entropy-for-n-grams y aclara cómo deben convertirse las frecuencias de palabras en probabilidades y entropía. El issue no especifica qué significa Done; establece la salida prevista y la validación antes de la implementación.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
jupyter-notebook
Área
data
Tipo de issue
Nueva funcionalidad
Dificultad
5/5
Tiempo estimado
Más de una semana
Estado de actividad
Estancado
Claridad
Necesita aclaración
Aptitud para principiantes
20/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.