JuliaAI / JuliaAI/DataScienceTutorials.jl
Tuning using RandomSearch
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
Be good to add this. Very basic example is in the manual:
https://alan-turing-institute.github.io/MLJ.jl/dev/tuning_models/#Tuning-using-a-random-search-1
which also includes the detailed doc-string. The doc-string for StatsBase.fit there also has relevant information about how various distributions get fit to a range if an explicit prior is not specified.
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
Leggi la sezione collegata del manuale di MLJ sul tuning con una ricerca casuale, inclusa la doc-string di StatsBase.fit a cui si fa riferimento. Usa questi esempi per identificare i contenuti rilevanti del tutorial e aggiungi un esempio di base di tuning con ricerca casuale; il lavoro è completato quando il tutorial copre l’esempio e il comportamento documentato precedente al fitting.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Valutazione
- Stack tecnologico
- julia
- Ambito
- documentation, machine-learning
- Tipo di issue
- Documentazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Stato di attività
- Ferma
- Chiarezza
- Abbastanza chiara
- Idoneità per principianti
- 35/100