Final hw python bi#4
Conversation
This function counts sulphur-containing amino acids (Cysteine and Methionine) in a protein sequence.
ANugmanova
left a comment
ANugmanova
left a comment
There was a problem hiding this comment.
В целом, очень хороший репозиторий, молодец!:) Маленькая ошибочка с количеством деревьев, так что 49/50. Но +2 доп за дополнительные тесты и аккуратный репозиторий
There was a problem hiding this comment.
Очень крутой README! В целом, "Script contents" не обязатольно было добавлять, кому интересно все равно посмотрит в коде, а вот докстринги для каждого класса лучше добавить (в bio_files_processor.py есть не везде)
| from matplotlib.colors import ListedColormap | ||
| from sklearn.tree import DecisionTreeClassifier | ||
| from sklearn.base import BaseEstimator | ||
| from multiprocessing import Process, Queue |
There was a problem hiding this comment.
кажется, это все-таки не использовалось, можно убрать
| _data = [(X, y)] * self.n_estimators | ||
|
|
||
| with ProcessPoolExecutor(max_workers=self.n_jobs) as executor: | ||
| results = list(executor.map(self._fit_batch_trees, _data)) |
There was a problem hiding this comment.
тут можно не обарачивать в лист, там же возвращается генератор, который ты дальше в цикле обработаешь
| bool: True if the sequence conforms to the alphabet, False otherwise. | ||
| """ | ||
| pass | ||
|
|
There was a problem hiding this comment.
Обычно между классами 2 строки, а то там сверху был 1, тут 3:)
| return results, ids | ||
|
|
||
|
|
||
| def predict_proba(self, X: np.ndarray, n_jobs: int = 1) -> np.ndarray: |
There was a problem hiding this comment.
лучше сначала все публичные методы, потом приватные
| def _fit_batch_trees(self, args: Tuple[np.ndarray, np.ndarray]) -> Tuple[List[DecisionTreeClassifier], List[np.ndarray]]: | ||
|
|
||
| X, y = args | ||
| self.classes_ = sorted(np.unique(y)) |
There was a problem hiding this comment.
в init тогда тоже лучше добавить эту переменную, просто присвоить None
| results = [] | ||
| ids = [] | ||
|
|
||
| for tr in range(self.n_estimators): |
There was a problem hiding this comment.
у тебя получается, что при объявлении потоков self.n_estimators вызовов и тут вот столько же деревьев, суммарно self.n_estimators^2 деревьев, так что тут можно просто одно обучить:)
There was a problem hiding this comment.
Хороший ноутбук, здорово, что добавила объяснение к примерам
| @@ -0,0 +1,28 @@ | |||
| import pytest | |||
2 participants
No description provided.