Версия 0.23

Для краткого описания основных особенностей выпуска, пожалуйста, обратитесь к Основные новости выпуска scikit-learn 0.23.

Легенда для списков изменений

• Основная функция что-то большое, что вы не могли сделать раньше.

• Функция что-то, что вы не могли делать раньше.

• Эффективность существующий признак теперь может не требовать столько вычислений или памяти.

• Улучшение различные мелкие улучшения.

• Исправление то, что ранее не работало, как задокументировано – или согласно разумным ожиданиям – теперь должно работать.

• Изменение API вам потребуется изменить свой код, чтобы добиться того же эффекта в будущем; или функция будет удалена в будущем.

Версия 0.23.2

Измененные модели

Следующие оценщики и функции, при обучении на тех же данных и параметрах, могут создавать модели, отличные от предыдущей версии. Это часто происходит из-за изменений в логике моделирования (исправления ошибок или улучшения) или в процедурах случайной выборки.

• Исправление inertia_ атрибут cluster.KMeans и cluster.MiniBatchKMeans.

Подробности перечислены в журнале изменений ниже.

(Хотя мы стараемся лучше информировать пользователей, предоставляя эту информацию, мы не можем гарантировать, что этот список полный.)

Журнал изменений

sklearn.cluster

• Исправление Исправлена ошибка в cluster.KMeans где ошибки округления могут помешать объявить сходимость, когда tol=0. #17959 by Жереми дю Буаберранже.

• Исправление Исправлена ошибка в cluster.KMeans и cluster.MiniBatchKMeans где сообщаемая инерция была некорректно взвешена по весам выборок. #17848 by Жереми дю Буаберранже.

• Исправление Исправлена ошибка в cluster.MeanShift с bin_seeding=True. Когда оцененная ширина полосы равна 0, поведение эквивалентно bin_seeding=False. #17742 by Jeremie du Boisberranger.

• Исправление Исправлена ошибка в cluster.AffinityPropagation, что дает неверные кластеры, когда тип массива — float32. #17995 by Thomaz Santana и Аманда Д'Суза.

sklearn.decomposition

• Исправление Исправлена ошибка в decomposition.MiniBatchDictionaryLearning.partial_fit который должен обновить словарь, выполняя итерацию только один раз по мини-пакету. #17433 by Кьяра Мармо.

• Исправление Избегайте переполнений в Windows в decomposition.IncrementalPCA.partial_fit для больших batch_size и n_samples значения. #17985 by Алан Батлер и Аманда Д'Суза.

sklearn.ensemble

• Исправление Исправлена ошибка в ensemble.MultinomialDeviance где среднее значение logloss было некорректно рассчитано как сумма logloss. #17694 by Маркус Ремпфлер и Tsutomu Kusanagi.

• Исправление Исправления ensemble.StackingClassifier и ensemble.StackingRegressor совместимость с оценщиками, которые не определяют n_features_in_. #17357 by Томас Фан.

sklearn.feature_extraction

• Исправление Исправлена ошибка в feature_extraction.text.CountVectorizer где инвариантность порядка выборок нарушалась, когда max_features был установлен, и признаки имели одинаковое количество. #18016 by Томас Фан, Roman Yurchak, и Joel Nothman.

sklearn.linear_model

• Исправление linear_model.lars_path не перезаписывает X когда X_copy=True и Gram='auto'. #17914 by Томас Фан.

sklearn.manifold

• Исправление Исправлена ошибка, где metrics.pairwise_distances вызовет ошибку, если metric='seuclidean' и X не является типом np.float64. #15730 by Форрест Кох.

sklearn.metrics

• Исправление Исправлена ошибка в metrics.mean_squared_error где среднее нескольких значений RMSE было некорректно рассчитано как корень из среднего нескольких значений MSE. #17309 by Swier Heeres.

sklearn.pipeline

• Исправление pipeline.FeatureUnion выдает предупреждение об устаревании, когда None включён в transformer_list. #17360 by Томас Фан.

sklearn.utils

• Исправление Исправление utils.estimator_checks.check_estimator так, чтобы все тестовые случаи поддерживали binary_only тег оценщика. #17812 by Bruno Charron.

Версия 0.23.1

18 мая 2020

Журнал изменений

sklearn.cluster

• Эффективность cluster.KMeans эффективность была улучшена для очень маленьких наборов данных. В частности, она больше не может создавать простаивающие потоки. #17210 и #17235 by Jeremie du Boisberranger.

• Исправление Исправлена ошибка в cluster.KMeans где веса образцов, предоставленные пользователем, были изменены на месте. #17204 by Jeremie du Boisberranger.

Разное

• Исправление Исправлена ошибка в repr сторонних оценщиков, которые используют **kwargs параметр в их конструкторе, когда changed_only равно True что теперь является значением по умолчанию. #17205 by Nicolas Hug.

Версия 0.23.0

12 мая 2020

Принудительное использование только ключевых аргументов

В стремлении обеспечить ясное и однозначное использование библиотеки, большинство параметров конструкторов и функций теперь ожидается передавать в качестве ключевых аргументов (т.е. используя param=value синтаксис) вместо позиционного. Для облегчения перехода, FutureWarning вызывается, если параметр, доступный только по ключевому слову, используется как позиционный. В версии 1.0 (переименование 0.25) эти параметры будут строго доступны только по ключевому слову, и TypeError будет вызвано исключение. #15005 by Joel Nothman, Адрин Джалали, Томас Фан, и Nicolas Hug. См. SLEP009 для получения дополнительной информации.

Измененные модели

Следующие оценщики и функции, при обучении на тех же данных и параметрах, могут создавать модели, отличные от предыдущей версии. Это часто происходит из-за изменений в логике моделирования (исправления ошибок или улучшения) или в процедурах случайной выборки.

• Исправление ensemble.BaggingClassifier, ensemble.BaggingRegressor, и ensemble.IsolationForest.

• Исправление cluster.KMeans с algorithm="elkan" и algorithm="full".

• Исправление cluster.Birch

• Исправление compose.ColumnTransformer.get_feature_names

• Исправление compose.ColumnTransformer.fit

• Исправление datasets.make_multilabel_classification

• Исправление decomposition.PCA с n_components='mle'

• Улучшение decomposition.NMF и decomposition.non_negative_factorization с входными данными типа float32.

• Исправление decomposition.KernelPCA.inverse_transform

• Изменение API ensemble.HistGradientBoostingClassifier и ensemble.HistGradientBoostingRegressor

• Исправление estimator_samples_ в ensemble.BaggingClassifier, ensemble.BaggingRegressor и ensemble.IsolationForest

• Исправление ensemble.StackingClassifier и ensemble.StackingRegressor с sample_weight

• Исправление gaussian_process.GaussianProcessRegressor

• Исправление linear_model.RANSACRegressor с sample_weight.

• Исправление linear_model.RidgeClassifierCV

• Исправление metrics.mean_squared_error с squared и multioutput='raw_values'.

• Исправление metrics.mutual_info_score с отрицательными оценками.

• Исправление metrics.confusion_matrix с нулевой длиной y_true и y_pred

• Исправление neural_network.MLPClassifier

• Исправление preprocessing.StandardScaler с partial_fit и разреженный ввод.

• Исправление preprocessing.Normalizer с norm='max'

• Исправление Любая модель, использующая svm.libsvm или svm.liblinear солвер, включая svm.LinearSVC, svm.LinearSVR, svm.NuSVC, svm.NuSVR, svm.OneClassSVM, svm.SVC, svm.SVR, linear_model.LogisticRegression.

• Исправление tree.DecisionTreeClassifier, tree.ExtraTreeClassifier и ensemble.GradientBoostingClassifier а также predict метод tree.DecisionTreeRegressor, tree.ExtraTreeRegressor, и ensemble.GradientBoostingRegressor и входные данные только для чтения float32 в predict, decision_path и predict_proba.

Подробности перечислены в журнале изменений ниже.

(Хотя мы стараемся лучше информировать пользователей, предоставляя эту информацию, мы не можем гарантировать, что этот список полный.)

Журнал изменений

sklearn.cluster

• Эффективность cluster.Birch реализация метода predict избегает высокого потребления памяти, вычисляя матрицу расстояний с использованием схемы с разбиением на блоки. #16149 by Jeremie du Boisberranger и Алекс Шакед.

• Эффективность Основная функция Критические части cluster.KMeans имеют более оптимизированную реализацию. Параллелизм теперь осуществляется по данным, а не по инициализациям, что обеспечивает лучшую масштабируемость. #11950 by Jeremie du Boisberranger.

• Улучшение cluster.KMeans теперь поддерживает разреженные данные, когда solver = "elkan". #11950 by Jeremie du Boisberranger.

• Улучшение cluster.AgglomerativeClustering имеет более быструю и эффективную по памяти реализацию кластеризации с одиночной связью. #11514 by Leland McInnes.

• Исправление cluster.KMeans с algorithm="elkan" теперь сходится с tol=0 как при значении по умолчанию algorithm="full". #16075 by Erich Schubert.

• Исправление Исправлена ошибка в cluster.Birch где n_clusters параметр не мог иметь np.int64 тип. #16484 by Jeremie du Boisberranger.

• Исправление cluster.AgglomerativeClustering добавить конкретную ошибку, когда матрица расстояний не квадратная и affinity=precomputed. #16257 by Simona Maggio.

• Изменение API The n_jobs параметр cluster.KMeans, cluster.SpectralCoclustering и cluster.SpectralBiclustering устарел. Теперь используется параллелизм на основе OpenMP. Для получения подробной информации о том, как управлять количеством потоков, обратитесь к Параллелизм примечания. #11950 by Jeremie du Boisberranger.

• Изменение API The precompute_distances параметр cluster.KMeans устарел. Не имеет эффекта. #11950 by Jeremie du Boisberranger.

• Изменение API The random_state параметр был добавлен в cluster.AffinityPropagation. #16801 by @rcwoolston и Кьяра Мармо.

sklearn.compose

• Эффективность compose.ColumnTransformer теперь работает быстрее при работе с датафреймами и строками, используемыми для указания подмножеств данных для преобразователей. #16431 by Томас Фан.

• Улучшение compose.ColumnTransformer метод get_feature_names теперь поддерживает 'passthrough' столбцов, где имя признака является либо именем столбца для датафрейма, либо 'xi' для индекса столбца i. #14048 by Льюис Болл.

• Исправление compose.ColumnTransformer метод get_feature_names теперь возвращает корректные результаты, когда один из шагов преобразователя применяется к пустому списку столбцов #15963 by Roman Yurchak.

• Исправление compose.ColumnTransformer.fit выдаст ошибку при выборе имени столбца, которое не является уникальным в датафрейме. #16431 by Томас Фан.

sklearn.datasets

• Эффективность datasets.fetch_openml имеет сниженное использование памяти, поскольку больше не хранит полный поток текста набора данных в памяти. #16084 by Joel Nothman.

• Функция datasets.fetch_california_housing теперь поддерживает гетерогенные данные с использованием pandas путем установки as_frame=True. #15950 by Стефани Эндрюс и Решама Шайх.

• Функция встроенные загрузчики наборов данных datasets.load_breast_cancer, datasets.load_diabetes, datasets.load_digits, datasets.load_iris, datasets.load_linnerud и datasets.load_wine теперь поддерживает загрузку как pandas DataFrame путем установки as_frame=True. #15980 by @wconnell и Решама Шайх.

• Улучшение Добавлен return_centers параметр в datasets.make_blobs, который может использоваться для возврата центров каждого кластера. #15709 by @shivamgargsya и Venkatachalam N.

• Улучшение Функции datasets.make_circles и datasets.make_moons теперь принимает кортеж из двух элементов. #15707 by Мацей Дж. Микульски.

• Исправление datasets.make_multilabel_classification теперь генерирует ValueError для аргументов n_classes < 1 OR length < 1. #16006 by Rushabh Vasani.

• Изменение API The StreamHandler был удален из sklearn.logger чтобы избежать двойного логирования сообщений в распространённых случаях, когда обработчик прикреплён к корневому логгеру, и следовать рекомендации документации по логированию Python для библиотек оставлять обработку лог-сообщений пользователям и коду приложения. #16451 by Christoph Deil.

sklearn.decomposition

• Улучшение decomposition.NMF и decomposition.non_negative_factorization теперь сохраняет тип данных float32. #16280 by Jeremie du Boisberranger.

• Улучшение decomposition.TruncatedSVD.transform теперь работает быстрее на заданных разреженных csc матрицы. #16837 by @wornbb.

• Исправление decomposition.PCA с float n_components параметр, будет исключительно выбирать компоненты, объясняющие дисперсию большую чем n_components. #15669 by Кришна Чайтанья

• Исправление decomposition.PCA с n_components='mle' теперь корректно обрабатывает малые собственные значения и не определяет 0 как правильное количество компонентов. #16224 by Лиза Шветлик, и Gelavizh Ahmadi и Многомерные целевые переменные, предсказанные с помощью нескольких предикторов. Примечание: отдельные модели генерируются для каждого предиктора. и #16841 by Nicolas Hug.

• Исправление decomposition.KernelPCA метод inverse_transform теперь применяет правильное обратное преобразование к преобразованным данным. #16655 by Льюис Болл.

• Исправление Исправлена ошибка, которая вызывала decomposition.KernelPCA иногда вызывать invalid value encountered in multiply во время fit. #16718 by Gui Miotto.

• Функция Добавлен n_components_ атрибут для decomposition.SparsePCA и decomposition.MiniBatchSparsePCA. #16981 by Mateusz Górski.

sklearn.ensemble

• Основная функция ensemble.HistGradientBoostingClassifier и ensemble.HistGradientBoostingRegressor теперь поддерживает sample_weight. #14696 by Адрин Джалали и Nicolas Hug.

• Функция Ранняя остановка в ensemble.HistGradientBoostingClassifier и ensemble.HistGradientBoostingRegressor теперь определяется с помощью нового early_stopping параметр вместо n_iter_no_change. Значение по умолчанию 'auto', которое включает раннюю остановку, если в обучающем наборе не менее 10 000 выборок. #14516 by Johann Faouzi.

• Основная функция ensemble.HistGradientBoostingClassifier и ensemble.HistGradientBoostingRegressor Первый график показывает, что с увеличением количества образцов #15582 by Nicolas Hug.

• Изменение API Добавлен булевый verbose флаг для классов: ensemble.VotingClassifier и ensemble.VotingRegressor. #16069 by Sam Bail, Ханна Брюс Макдональд, Решама Шайх, и Кьяра Мармо.

• Изменение API Исправлена ошибка в ensemble.HistGradientBoostingClassifier и ensemble.HistGradientBoostingRegressor который не будет учитывать max_leaf_nodes параметр, если критерий был достигнут одновременно с max_depth критериев. #16183 by Nicolas Hug.

• Исправление Изменена конвенция для max_depth параметр ensemble.HistGradientBoostingClassifier и ensemble.HistGradientBoostingRegressor. Глубина теперь соответствует количеству ребер от корня до самого глубокого листа. Теперь разрешены пни (деревья с одним разделением). #16182 by Santhosh B

• Исправление Исправлена ошибка в ensemble.BaggingClassifier, ensemble.BaggingRegressor и ensemble.IsolationForest где атрибут estimators_samples_ не сгенерировал правильные индексы, используемые во время fit. #16437 by Jin-Hwan CHO.

• Исправление Исправлена ошибка в ensemble.StackingClassifier и ensemble.StackingRegressor где sample_weight аргумент не передавался в cross_val_predict при оценке базовых оценщиков на фолдах перекрестной проверки для получения входных данных для мета-оценщика. #16539 by Билл ДеРоуз.

• Функция Добавлена дополнительная опция loss="poisson" to ensemble.HistGradientBoostingRegressor, который добавляет отклонение Пуассона с логарифмической связью, полезной для моделирования данных подсчёта. #16692 by Christian Lorentzen

• Исправление Исправлена ошибка, где ensemble.HistGradientBoostingRegressor и ensemble.HistGradientBoostingClassifier будет неудачным при нескольких вызовах fit, когда warm_start=True, early_stopping=True, и нет проверочного набора. #16663 by Томас Фан.

sklearn.feature_extraction

• Эффективность feature_extraction.text.CountVectorizer теперь сортирует признаки после их обрезки по частоте документа. Это улучшает производительность для наборов данных с большим словарным запасом в сочетании с min_df или max_df. #15834 by Сантьяго М. Мола.

sklearn.feature_selection

• Улучшение Добавлена поддержка многомерных выходных данных в feature_selection.RFE и feature_selection.RFECV. #16103 by Divyaprabha M.

• Изменение API Добавляет feature_selection.SelectorMixin обратно в публичный API. #16132 by @trimeta.

sklearn.gaussian_process

• Улучшение gaussian_process.kernels.Matern возвращает ядро RBF, когда nu=np.inf. #15503 by Сэм Диксон.

• Исправление Исправлена ошибка в gaussian_process.GaussianProcessRegressor что привело к предсказанным стандартным отклонениям только между 0 и 1, когда WhiteKernel не используется. #15782 by @plgreenLIRU.

sklearn.impute

• Улучшение impute.IterativeImputer принимает как скалярные, так и массиво-подобные входные данные для max_value и min_value. Входные данные в виде массивов позволяют указать разные максимальные и минимальные значения для каждого признака. #16403 by Narendra Mukherjee.

• Улучшение impute.SimpleImputer, impute.KNNImputer, и impute.IterativeImputer принимает nullable integer dtype pandas с пропущенными значениями. #16508 by Томас Фан.

sklearn.inspection

• Функция inspection.partial_dependence и inspection.plot_partial_dependence теперь поддерживает быстрый метод 'recursion' для ensemble.RandomForestRegressor и tree.DecisionTreeRegressor. #15864 by Nicolas Hug.

sklearn.linear_model

• Основная функция Добавлены обобщенные линейные модели (GLM) с ненормальными распределениями ошибок, включая linear_model.PoissonRegressor, linear_model.GammaRegressor и linear_model.TweedieRegressor которые используют распределения Пуассона, Гамма и Твиди соответственно. #14300 by Christian Lorentzen, Roman Yurchak, и Оливье Гризель.

• Основная функция Поддержка sample_weight в linear_model.ElasticNet и linear_model.Lasso для плотной матрицы признаков X. #15436 by Christian Lorentzen.

• Эффективность linear_model.RidgeCV и linear_model.RidgeClassifierCV теперь не выделяют потенциально большой массив для хранения двойных коэффициентов для всех гиперпараметров во время его fit, ни массив для хранения всех ошибок или предсказаний LOO, если только store_cv_values является True. #15652 by Жером Докес.

• Улучшение linear_model.LassoLars и linear_model.Lars теперь поддерживает jitter параметр, который добавляет случайный шум к целевой переменной. Это может помочь со стабильностью в некоторых крайних случаях. #15179 by @angelaambroz.

• Исправление Исправлена ошибка, где если sample_weight параметр был передан в метод fit linear_model.RANSACRegressor, он не будет передан в обернутый base_estimator во время подгонки конечной модели. #15773 by Джереми Александр.

• Исправление Добавить best_score_ атрибут для linear_model.RidgeCV и linear_model.RidgeClassifierCV. #15655 by Жером Докес.

• Исправление Исправлена ошибка в linear_model.RidgeClassifierCV передать конкретную стратегию оценки. Перед тем как внутренний оценщик выводит оценку вместо предсказаний. #14848 by Venkatachalam N.

• Исправление linear_model.LogisticRegression теперь избежит ненужной итерации, когда solver='newton-cg' путем проверки на неполноценность или равенство вместо строгой неполноценности для максимума absgrad и tol в utils.optimize._newton_cg. #16266 by Rushabh Vasani.

• Изменение API Устаревшие публичные атрибуты standard_coef_, standard_intercept_, average_coef_, и average_intercept_ в linear_model.SGDClassifier, linear_model.SGDRegressor, linear_model.PassiveAggressiveClassifier, linear_model.PassiveAggressiveRegressor. #16261 by Carlos Brandt.

• Исправление Эффективность linear_model.ARDRegression более стабилен и намного быстрее, когда n_samples > n_features. Теперь он может масштабироваться до сотен тысяч образцов. Исправление стабильности может привести к изменениям в количестве ненулевых коэффициентов и в прогнозируемом выходе. #16849 by Nicolas Hug.

• Исправление Исправлена ошибка в linear_model.ElasticNetCV, linear_model.MultiTaskElasticNetCV, linear_model.LassoCV и linear_model.MultiTaskLassoCV где обучение завершилось бы неудачей при использовании бэкенда joblib loky. #14264 by Жереми дю Буаберранже.

• Эффективность Ускорение linear_model.MultiTaskLasso, linear_model.MultiTaskLassoCV, linear_model.MultiTaskElasticNet, linear_model.MultiTaskElasticNetCV избегая более медленных вызовов BLAS уровня 2 на небольших массивах #17021 by Алекс Грамфор и Матюрен Массиас.

sklearn.metrics

• Улучшение metrics.pairwise_distances_chunked теперь позволяет его reduce_func не иметь возвращаемого значения, позволяя операции на месте. #16397 by Joel Nothman.

• Исправление Исправлена ошибка в metrics.mean_squared_error не игнорировать аргумент squared когда аргумент multioutput='raw_values'. #16323 by Rushabh Vasani

• Исправление Исправлена ошибка в metrics.mutual_info_score где могут возвращаться отрицательные оценки. #16362 by Томас Фан.

• Исправление Исправлена ошибка в metrics.confusion_matrix функция поэтому принимает параметр с именем y_true и y_pred имели нулевую длину и labels не был None. Кроме того, мы вызываем ошибку, когда пустой список передан в labels параметр. #16442 by Kyle Parsons.

• Изменение API Изменено форматирование значений в metrics.ConfusionMatrixDisplay.plot и metrics.plot_confusion_matrix для выбора более короткого формата (либо '2g', либо 'd'). #16159 by Rick Mackenbach и Томас Фан.

• Изменение API Начиная с версии 0.25, metrics.pairwise_distances больше не будет автоматически вычислять VI параметр для расстояния Махаланобиса и V параметр для расстояния seuclidean, если Y передается. Пользователь должен будет вычислить этот параметр на выбранных им обучающих данных и передать его в pairwise_distances. #16993 by Joel Nothman.

sklearn.model_selection

• Улучшение model_selection.GridSearchCV и model_selection.RandomizedSearchCV выводит информацию о стеке вызовов в предупреждениях о неудачном выполнении fit в дополнение к ранее выданным типу и деталям. #15622 by Грегори Морс.

• Исправление model_selection.cross_val_predict поддерживает method="predict_proba" когда y=None. #15918 by Лука Кубин.

• Исправление model_selection.fit_grid_point устарел в 0.23 и будет удален в 0.25. #16401 by Arie Pratama Sutiono

sklearn.multioutput

• Функция multioutput.MultiOutputRegressor.fit и multioutput.MultiOutputClassifier.fit теперь может принимать fit_params передать в estimator.fit метод каждого шага. #15953 #15959 by Ke Huang.

• Улучшение multioutput.RegressorChain теперь поддерживает fit_params для base_estimator во время fit. #16111 by Venkatachalam N.

sklearn.naive_bayes

• Исправление Правильно отформатированное сообщение об ошибке показано в naive_bayes.CategoricalNB когда количество признаков во входных данных различается между predict и fit. #16090 by Madhura Jayaratne.

sklearn.neural_network

• Эффективность neural_network.MLPClassifier и neural_network.MLPRegressor имеет уменьшенный объем памяти при использовании стохастических решателей, 'sgd' или 'adam', и shuffle=True. #14075 by @meyer89.

• Исправление Повышает численную устойчивость функции логистических потерь в neural_network.MLPClassifier путём отсечения вероятностей. #16117 by Томас Фан.

sklearn.inspection

• Улучшение inspection.PartialDependenceDisplay теперь предоставляет линии децилей в качестве атрибутов, чтобы их можно было скрыть или настроить. #15785 by Nicolas Hug

sklearn.preprocessing

• Функция аргумент drop of preprocessing.OneHotEncoder теперь будет принимать значение 'if_binary' и будет удалять первую категорию каждого признака с двумя категориями. #16245 by Rushabh Vasani.

• Улучшение preprocessing.OneHotEncoder’s drop_idx_ ndarray теперь может содержать None, где drop_idx_[i] = None означает, что ни одна категория не удаляется для индекса i. #16585 by Кьяра Мармо.

• Улучшение preprocessing.MaxAbsScaler, preprocessing.MinMaxScaler, preprocessing.StandardScaler, preprocessing.PowerTransformer, preprocessing.QuantileTransformer, preprocessing.RobustScaler теперь поддерживает nullable integer dtype из pandas с пропущенными значениями. #16508 by Томас Фан.

• Эффективность preprocessing.OneHotEncoder теперь работает быстрее при преобразовании. #15762 by Томас Фан.

• Исправление Исправлена ошибка в preprocessing.StandardScaler который некорректно вычислял статистику при вызове partial_fit на разреженных входах. #16466 by Guillaume Lemaitre.

• Исправление Исправлена ошибка в preprocessing.Normalizer с norm='max', что не учитывало абсолютное значение максимальных значений перед нормализацией векторов. #16632 by Maura Pintor и Баттиста Биггио.

sklearn.semi_supervised

• Исправление semi_supervised.LabelSpreading и semi_supervised.LabelPropagation избегает предупреждений о делении на ноль при нормализации label_distributions_. #15946 by @ngshya.

sklearn.svm

• Исправление Эффективность Улучшено libsvm и liblinear генераторы случайных чисел, используемые для случайного выбора координат в алгоритмах координатного спуска. Зависит от платформы C rand() был использован, который способен генерировать числа только до 32767 на платформе Windows (см. это запись в блоге) и также имеет слабую случайность, как указано в эта презентация. Оно было заменено на C++11 mt19937, генератор Mersenne Twister, который корректно генерирует 31-битные/63-битные случайные числа на всех платформах. Кроме того, грубый "модульный" постпроцессор, используемый для получения случайного числа в ограниченном интервале, был заменен на модифицированный метод Lemire, как предложено этот блог пост. Любая модель, использующая svm.libsvm или svm.liblinear солвер, включая svm.LinearSVC, svm.LinearSVR, svm.NuSVC, svm.NuSVR, svm.OneClassSVM, svm.SVC, svm.SVR, linear_model.LogisticRegression, затрагивается. В частности, пользователи могут ожидать лучшей сходимости, когда количество образцов (LibSVM) или количество признаков (LibLinear) велико. #13511 by Sylvain Marié.

• Исправление Исправить использование пользовательного ядра, не принимающего вещественные записи, такие как строковые ядра в svm.SVC и svm.SVR. Обратите внимание, что пользовательские ядра теперь должны проверять свои входные данные, где ранее они получали валидные числовые массивы. #11296 by Александр Грамфор и Георги Пеев.

• Изменение API svm.SVR и svm.OneClassSVM атрибуты, probA_ и probB_, теперь устарели, так как не были полезными. #15558 by Томас Фан.

sklearn.tree

• Исправление tree.plot_tree rotate параметр не использовался и устарел. #15806 by Кьяра Мармо.

• Исправление Исправлена поддержка входных данных только для чтения в формате float32 в predict, decision_path и predict_proba методы tree.DecisionTreeClassifier, tree.ExtraTreeClassifier и ensemble.GradientBoostingClassifier а также predict метод tree.DecisionTreeRegressor, tree.ExtraTreeRegressor, и ensemble.GradientBoostingRegressor. #16331 by Alexandre Batisse.

sklearn.utils

• Основная функция Оценщики теперь могут отображаться с расширенным HTML-представлением. Это можно включить в блокнотах Jupyter, установив display='diagram' в set_config. Необработанный HTML может быть возвращён с помощью utils.estimator_html_repr. #14180 by Томас Фан.

• Улучшение улучшить сообщение об ошибке в utils.validation.column_or_1d. #15926 by Loïc Estève.

• Улучшение добавить предупреждение в utils.check_array для разреженного DataFrame pandas. #16021 by Rushabh Vasani.

• Улучшение utils.check_array теперь создает разреженную матрицу из pandas DataFrame, который содержит только SparseArray столбцы. #16728 by Томас Фан.

• Улучшение utils.check_array поддерживает nullable integer dtype pandas с пропущенными значениями, когда force_all_finite установлено в False или 'allow-nan' в этом случае данные преобразуются в значения с плавающей точкой, где pd.NA значения заменяются на np.nan. Как следствие, все sklearn.preprocessing преобразователи, которые принимают числовые входные данные с пропущенными значениями, представленными как np.nan теперь также принимает непосредственную подачу pandas датафреймов с pd.Int* or `pd.Uint* типизированные столбцы, которые используют pd.NA как маркер пропущенного значения. #16508 by Томас Фан.

• Изменение API Передача классов в utils.estimator_checks.check_estimator и utils.estimator_checks.parametrize_with_checks теперь устарел, и поддержка классов будет удалена в 0.24. Передавайте экземпляры вместо этого. #17032 by Nicolas Hug.

• Изменение API Приватная утилита _safe_tags в utils.estimator_checks был удалён, поэтому все теги должны быть получены через estimator._get_tags(). Обратите внимание, что примеси, такие как RegressorMixin должен приходить до базовые классы в MRO для _get_tags() для правильной работы. #16950 by Nicolas Hug.

• Исправление utils.all_estimators теперь возвращает только публичные оценщики. #15380 by Томас Фан.

Разное

• Основная функция Добавляет HTML-представление оценщиков для отображения в jupyter notebook или lab. Эта визуализация активируется установкой display опция в sklearn.set_config. #14180 by Томас Фан.

• Улучшение scikit-learn теперь работает с mypy без ошибок. #16726 by Roman Yurchak.

• Изменение API Большинство оценщиков теперь предоставляют n_features_in_ атрибут. Этот атрибут равен количеству признаков, переданных в fit метод. См. SLEP010 подробности. #16112 by Nicolas Hug.

• Изменение API Оценщики теперь имеют requires_y теги, который по умолчанию False, за исключением оценщиков, наследующих от ~sklearn.base.RegressorMixin или ~sklearn.base.ClassifierMixin. Этот тег используется для гарантии, что будет вызвано соответствующее сообщение об ошибке, когда ожидался y, но был передан None. #16622 by Nicolas Hug.

• Изменение API Настройка по умолчанию print_changed_only был изменен с False на True. Это означает, что repr оценщиков теперь более лаконично и показывает только параметры, значение по умолчанию которых было изменено при печати оценщика. Вы можете восстановить предыдущее поведение, используя sklearn.set_config(print_changed_only=False). Также обратите внимание, что всегда можно быстро проверить параметры любого оценщика с помощью est.get_params(deep=False). #17061 by Nicolas Hug.

Участники кода и документации

Благодарим всех, кто внёс вклад в поддержку и улучшение проекта с версии 0.22, включая:

Abbie Popa, Adrin Jalali, Aleksandra Kocot, Alexandre Batisse, Alexandre Gramfort, Alex Henrie, Alex Itkes, Alex Liang, alexshacked, Alonso Silva Allende, Ana Casado, Andreas Mueller, Angela Ambroz, Ankit810, Arie Pratama Sutiono, Arunav Konwar, Baptiste Maingret, Benjamin Beier Liu, bernie gray, Bharathi Srinivasan, Bharat Raghunathan, Bibhash Chandra Mitra, Brian Wignall, brigi, Brigitta Sipőcz, Carlos H Brandt, CastaChick, castor, cgsavard, Chiara Marmo, Chris Gregory, Christian Kastner, Christian Lorentzen, Corrie Bartelheimer, Daniël van Gelder, Daphne, David Breuer, david-cortes, dbauer9, Divyaprabha M, Edward Qian, Ekaterina Borovikova, ELNS, Emily Taylor, Erich Schubert, Eric Leung, Evgeni Chasnovski, Fabiana, Facundo Ferrín, Fan, Franziska Boenisch, Gael Varoquaux, Gaurav Sharma, Geoffrey Bolmier, Georgi Peev, gholdman1, Gonthier Nicolas, Gregory Morse, Gregory R. Lee, Guillaume Lemaitre, Gui Miotto, Hailey Nguyen, Hanmin Qin, Hao Chun Chang, HaoYin, Hélion du Mas des Bourboux, Himanshu Garg, Hirofumi Suzuki, huangk10, Hugo van Kemenade, Hye Sung Jung, indecisiveuser, inderjeet, J-A16, Jérémie du Boisberranger, Jin-Hwan CHO, JJmistry, Joel Nothman, Johann Faouzi, Jon Haitz Legarreta Gorroño, Juan Carlos Alfaro Jiménez, judithabk6, jumon, Kathryn Poole, Katrina Ni, Kesshi Jordan, Kevin Loftis, Kevin Markham, krishnachaitanya9, Lam Gia Thuan, Leland McInnes, Lisa Schwetlick, lkubin, Loic Esteve, lopusz, lrjball, lucgiffon, lucyleeow, Lucy Liu, Lukas Kemkes, Maciej J Mikulski, Madhura Jayaratne, Magda Zielinska, maikia, Mandy Gu, Manimaran, Manish Aradwad, Maren Westermann, Maria, Mariana Meireles, Marie Douriez, Marielle, Mateusz Górski, mathurinm, Matt Hall, Maura Pintor, mc4229, meyer89, m.fab, Michael Shoemaker, Michał Słapek, Mina Naghshhnejad, mo, Mohamed Maskani, Mojca Bertoncelj, narendramukherjee, ngshya, Nicholas Won, Nicolas Hug, nicolasservel, Niklas, @nkish, Noa Tamir, Oleksandr Pavlyk, olicairns, Oliver Urs Lenz, Olivier Grisel, parsons-kyle-89, Paula, Pete Green, Pierre Delanoue, pspachtholz, Pulkit Mehta, Qizhi Jiang, Quang Nguyen, rachelcjordan, raduspaimoc, Reshama Shaikh, Riccardo Folloni, Rick Mackenbach, Ritchie Ng, Roman Feldbauer, Roman Yurchak, Rory Hartong-Redden, Rüdiger Busche, Rushabh Vasani, Sambhav Kothari, Samesh Lakhotia, Samuel Duan, SanthoshBala18, Santiago M. Mola, Sarat Addepalli, scibol, Sebastian Kießling, SergioDSR, Sergul Aydore, Shiki-H, shivamgargsya, SHUBH CHATTERJEE, Siddharth Gupta, simonamaggio, smarie, Snowhite, stareh, Stephen Blystone, Stephen Marsh, Sunmi Yoon, SylvainLan, talgatomarov, tamirlan1, th0rwas, theoptips, Thomas J Fan, Thomas Li, Thomas Schmitt, Tim Nonner, Tim Vink, Tiphaine Viard, Tirth Patel, Titus Christian, Tom Dupré la Tour, trimeta, Vachan D A, Vandana Iyer, Venkatachalam N, waelbenamara, wconnell, wderose, wenliwyan, Windber, wornbb, Yu-Hang “Maxin” Tang