[Bench #478] Scale every canonical operation across samples, features, classes and model size

Aperta
#490 1 commento 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
35/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Attiva
Stack tecnologico
python, scikit-learn
Ambito
machine-learning, performance, testing

Direzione di ricerca

Inizia con la suite canonica di 19 righe descritta nel parent issue #478 e identifica ogni operazione e la relativa voce di fixture o benchmark esistente. Definisci dimensioni logaritmiche deterministiche lungo gli assi elencati, registra pendenze e dati di crossover leggibili dalle macchine per Pages e verifica che ogni operazione abbia almeno tre dimensioni fattibili e che le perdite scalate rimandino a #478.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Parent: #478

The 19-row canonical suite is excellent for reproducibility but one fixed shape can confuse interpreter/setup overhead with algorithmic throughput. Every canonical operation needs a scaling surface.

Build deterministic scaled fixtures covering relevant axes: n_samples, n_features, n_classes/clusters, n_estimators/depth, support vectors/kernel matrix size and batch size. Use logarithmic sizes from tiny through realistically large, with explicit memory-feasibility caps for O(n^2)/O(n^3) estimators.

Acceptance: each canonical operation has at least three meaningful sizes; slopes/complexity regimes are machine-readable; Pages can show crossover points; a Flow win at tiny size is not considered complete if it becomes a material loss at larger supported sizes; all scaled losses automatically link into #478.

Lingua principale
Python
Stelle
2
Fork
0
Merge medio
4h 33m
PR unite (30g)
9

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di godofecht/flow-scikit

Tutte le issue di godofecht/flow-scikit

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.