JuliaAI / JuliaAI/DataScienceTutorials.jl
Multivariate Polynomial Regression
Nessuno ha ancora preso questa issue.
- Lingua principale
- ReScript
- Stelle
- 126
- Fork
- 19
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Descrizione
The tutorial is great, but here's where I'm at a loss: if I have multiple independent variables that I want to consider in the regression, how can I do that in a way that's similar to sklearns PolynomialFeatures: https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.PolynomialFeatures.html#sklearn.preprocessing.PolynomialFeatures
I've been using MLJLinearModels.jl where applicable, but would it be better to just sub-in the SKLearnMLJ interface?
If there's a way to do it that easily builds off of the tutorial and I've just missed that, pointing me in the right direction is also appreciated.
Guida per i contributori
Nessuna guida per i contributori indicizzata per questo repository
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Direzione di ricerca
Inizia leggendo il tutorial di regressione esistente e confronta gli approcci MLJLinearModels e SKLearnMLJ citati nell’issue. Determina se il workflow richiesto appartiene al tutorial e quale percorso Julia supportato dovrebbe essere documentato. Il lavoro è completato quando è disponibile un esempio riproducibile di regressione polinomiale multivariata approvato da un maintainer oppure una spiegazione chiara dell’approccio supportato.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Valutazione
- Stack tecnologico
- julia, scikit-learn
- Ambito
- documentation, machine-learning
- Tipo di issue
- Documentazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Stato di attività
- Ferma
- Chiarezza
- Da chiarire
- Idoneità per principianti
- 25/100