Версия 1.0

Для краткого описания основных особенностей выпуска, пожалуйста, обратитесь к Основные новости выпуска scikit-learn 1.0.

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 1.0.2

Декабрь 2021

• Исправление cluster.Birch, feature_selection.RFECV, ensemble.RandomForestRegressor, ensemble.RandomForestClassifier, ensemble.GradientBoostingRegressor, и ensemble.GradientBoostingClassifier больше не выдают предупреждение при обучении на pandas DataFrame. #21578 by Томас Фан.

Журнал изменений

sklearn.cluster

• Исправление Исправлен бесконечный цикл в cluster.SpectralClustering путем перемещения счетчика итераций из try в except. #21271 by Тайлер Мартин.

sklearn.datasets

• Исправление datasets.fetch_openml теперь потокобезопасен. Данные сначала загружаются во временную подпапку, а затем переименовываются. #21833 by Сиаваш Резазаде.

sklearn.decomposition

• Исправление Исправлено ограничение на целевую функцию decomposition.DictionaryLearning, decomposition.MiniBatchDictionaryLearning, decomposition.SparsePCA и decomposition.MiniBatchSparsePCA быть выпуклой и соответствовать упомянутой статье. #19210 by Жереми дю Буаберранже.

sklearn.ensemble

• Исправление ensemble.RandomForestClassifier, ensemble.RandomForestRegressor, ensemble.ExtraTreesClassifier, ensemble.ExtraTreesRegressor, и ensemble.RandomTreesEmbedding теперь вызывает ValueError когда bootstrap=False и max_samples не является None. #21295 Haoyin Xu.

• Исправление Исправлена ошибка в ensemble.GradientBoostingClassifier где экспоненциальная потеря вычисляла положительный градиент вместо отрицательного. #22050 by Guillaume Lemaitre.

sklearn.feature_selection

• Исправление Исправлено feature_selection.SelectFromModel путем улучшения поддержки для базовых оценщиков, которые не устанавливают feature_names_in_. #21991 by Томас Фан.

sklearn.impute

• Исправление Исправлена ошибка в linear_model.RidgeClassifierCV где метод predict выполнял argmax на оценки, полученные из decision_function вместо возврата матрицы индикаторов мультиметок. #19869 by Guillaume Lemaitre.

sklearn.linear_model

• Исправление linear_model.LassoLarsIC теперь правильно вычисляет AIC и BIC. Теперь выдается ошибка, когда n_features > n_samples и когда дисперсия шума не предоставлена. #21481 by Guillaume Lemaitre и Андрес Бабино.

sklearn.manifold

• Исправление Исправлена ненужная ошибка при обучении manifold.Isomap с предварительно вычисленной плотной матрицей расстояний, где граф соседей имеет несколько несвязных компонент. #21915 by Tom Dupre la Tour.

sklearn.metrics

• Исправление Все sklearn.metrics.DistanceMetric подклассы теперь правильно поддерживают атрибуты буфера только для чтения. Это исправляет регрессию, введенную в версии 1.0.0 по сравнению с 0.24.2. #21694 by Julien Jerphanion.

• Исправление Все sklearn.metrics.MinkowskiDistance теперь принимает параметр веса, что позволяет писать код, который ведет себя согласованно как с scipy 1.8, так и с более ранними версиями. В свою очередь, это означает, что все оценки на основе соседей (кроме тех, которые используют algorithm="kd_tree") теперь принимает параметр веса с metric="minkowski" для получения результатов, которые всегда согласованы с scipy.spatial.distance.cdist. #21741 by Оливье Гризель.

sklearn.multiclass

• Исправление multiclass.OneVsRestClassifier.predict_proba не выдает ошибку при обучении на постоянных целочисленных целевых значениях. #21871 by Томас Фан.

sklearn.neighbors

• Исправление neighbors.KDTree и neighbors.BallTree правильно поддерживать атрибуты буфера только для чтения. #21845 by Томас Фан.

sklearn.preprocessing

• Исправление Исправляет ошибку совместимости с NumPy 1.22 в preprocessing.OneHotEncoder. #21517 by Томас Фан.

sklearn.tree

• Исправление Предотвращает tree.plot_tree от выхода за границы рисунка. #21917 by Томас Фан.

• Исправление Поддержка загрузки pickle-файлов моделей решающих деревьев, когда pickle был сгенерирован на платформе с другой разрядностью. Типичный пример — обучение и сохранение модели на 64-битной машине и загрузка модели на 32-битной машине для предсказания. #21552 by Loïc Estève.

sklearn.utils

• Исправление utils.estimator_html_repr теперь экранирует все описания оценщиков в сгенерированном HTML. #21493 by Орельен Жерон.

Версия 1.0.1

Октябрь 2021

Фиксированные модели

• Исправление Методы без обучения в следующих классах не вызывают UserWarning при обучении на DataFrames с допустимыми именами признаков: covariance.EllipticEnvelope, ensemble.IsolationForest, ensemble.AdaBoostClassifier, neighbors.KNeighborsClassifier, neighbors.KNeighborsRegressor, neighbors.RadiusNeighborsClassifier, neighbors.RadiusNeighborsRegressor. #21199 by Томас Фан.

sklearn.calibration

• Исправление Исправлено calibration.CalibratedClassifierCV учитывать sample_weight при вычислении предсказания базового оценщика, когда ensemble=False. #20638 by Жюльен Боне.

• Исправление Исправлена ошибка в calibration.CalibratedClassifierCV с method="sigmoid" который игнорировал sample_weight при вычислении байесовских априорных вероятностей. #21179 by Guillaume Lemaitre.

sklearn.cluster

• Исправление Исправлена ошибка в cluster.KMeans, обеспечивая воспроизводимость и эквивалентность между разреженными и плотными входными данными. #21195 by Жереми дю Буаберранже.

sklearn.ensemble

• Исправление Исправлена ошибка, которая могла вызывать segfault в редких случаях для ensemble.HistGradientBoostingClassifier и ensemble.HistGradientBoostingRegressor. #21130 Christian Lorentzen.

sklearn.gaussian_process

• Исправление Вычислить y_std правильно с многозадачностью в sklearn.gaussian_process.GaussianProcessRegressor позволяя правильную нормализацию в многозадачной сцене. #20761 by Патрик де К. Т. Р. Феррейра.

sklearn.feature_extraction

• Эффективность Исправлен регресс эффективности, введенный в версии 1.0.0 в transform метод feature_extraction.text.CountVectorizer которая больше не проверяет наличие заглавных символов в предоставленном словаре. #21251 by Жереми дю Буаберранже.

• Исправление Исправлена ошибка в feature_extraction.text.CountVectorizer и feature_extraction.text.TfidfVectorizer путем вызова ошибки, когда 'min_idf' или 'max_idf' являются числами с плавающей точкой больше 1. #20752 by Алек Лефевр.

sklearn.linear_model

• Исправление Улучшает стабильность linear_model.LassoLars для разных версий openblas. #21340 by Томас Фан.

• Исправление linear_model.LogisticRegression теперь выдает более понятное сообщение об ошибке, когда решатель не поддерживает разреженные матрицы с индексами int64. #21093 by Tom Dupre la Tour.

sklearn.neighbors

• Исправление neighbors.KNeighborsClassifier, neighbors.KNeighborsRegressor, neighbors.RadiusNeighborsClassifier, neighbors.RadiusNeighborsRegressor с metric="precomputed" вызывает ошибку для bsr и dok разреженные матрицы в методах: fit, kneighbors и radius_neighbors, из-за обработки явных нулей в bsr и dok разреженный граф форматы. #21199 by Томас Фан.

sklearn.pipeline

• Исправление pipeline.Pipeline.get_feature_names_out корректно передаёт имена признаков из одного шага конвейера в следующий. #21351 by Томас Фан.

sklearn.svm

• Исправление svm.SVC и svm.SVR seqlearn CVE-2020-28975. #21336 by Томас Фан.

sklearn.utils

• Улучшение utils.validation._check_sample_weight может выполнять проверку неотрицательности весов выборки. Это можно включить с помощью булева параметра only_non_negative. Оценщики, проверяющие неотрицательные веса, обновлены: linear_model.LinearRegression (здесь предыдущее сообщение об ошибке было вводящим в заблуждение), ensemble.AdaBoostClassifier, ensemble.AdaBoostRegressor, neighbors.KernelDensity. #20880 by Guillaume Lemaitre и András Simon.

• Исправление Исправлена ошибка в sklearn.utils.metaestimators.if_delegate_has_method где базовая проверка атрибута не работала с массивами NumPy. #21145 by Захлии.

Разное

• Исправление Подгонка оценщика на наборе данных, у которого нет имён признаков, который ранее был подогнан на наборе данных с именами признаков, больше не сохраняет старые имена признаков, хранящиеся в feature_names_in_ атрибут. #21389 by Жереми дю Буаберранже.

Версия 1.0.0

Сентябрь 2021

Минимальные зависимости

Версия 1.0.0 scikit-learn требует python 3.7+, numpy 1.14.6+ и scipy 1.1.0+. Опциональная минимальная зависимость - matplotlib 2.2.2+.

Принудительное использование только ключевых аргументов

В стремлении обеспечить ясное и недвусмысленное использование библиотеки, большинство параметров конструкторов и функций теперь должны передаваться как ключевые аргументы (т.е. с использованием param=value синтаксис) вместо позиционного. Если параметр, доступный только по ключевому слову, используется как позиционный, возникает TypeError теперь вызывается. #15005 #20002 by Joel Nothman, Адрин Джалали, Томас Фан, Nicolas Hug, и Tom Dupre la Tour. 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 manifold.TSNE теперь избегает проблем численного переполнения при вычислении матрицы сходства.

• Исправление manifold.Isomap теперь соединяет отключенные компоненты графа соседей вдоль некоторых пар минимального расстояния, вместо изменения всех бесконечных расстояний на ноль.

• Исправление Критерий разделения tree.DecisionTreeClassifier и tree.DecisionTreeRegressor может быть затронут исправлением в обработке ошибок округления. Ранее могли возникать некоторые дополнительные ложные разделения.

• Исправление model_selection.train_test_split с stratify параметр и model_selection.StratifiedShuffleSplit может привести к немного другим результатам.

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

• Изменение API Опция использования квадратичной ошибки через loss и criterion параметров стала более согласованной. Предпочтительный способ — установка значения в "squared_error". Старые имена опций всё ещё действительны, дают те же модели, но устарели и будут удалены в версии 1.2. #19310 by Christian Lorentzen.

  • Для ensemble.ExtraTreesRegressor, criterion="mse" устарело, используйте "squared_error" вместо этого, что теперь является значением по умолчанию.

  • Для ensemble.GradientBoostingRegressor, loss="ls" устарело, используйте "squared_error" вместо этого, что теперь является значением по умолчанию.

  • Для ensemble.RandomForestRegressor, criterion="mse" устарело, используйте "squared_error" вместо этого, что теперь является значением по умолчанию.

  • Для ensemble.HistGradientBoostingRegressor, loss="least_squares" устарел, используйте "squared_error" вместо этого, что теперь является значением по умолчанию.

  • Для linear_model.RANSACRegressor, loss="squared_loss" устарел, используйте "squared_error" вместо этого.

  • Для linear_model.SGDRegressor, loss="squared_loss" устарел, используйте "squared_error" вместо этого, что теперь является значением по умолчанию.

  • Для tree.DecisionTreeRegressor, criterion="mse" устарело, используйте "squared_error" вместо этого, что теперь является значением по умолчанию.

  • Для tree.ExtraTreeRegressor, criterion="mse" устарело, используйте "squared_error" вместо этого, что теперь является значением по умолчанию.

• Изменение API Опция использования абсолютной ошибки через loss и criterion параметров стала более согласованной. Предпочтительный способ — установка значения в "absolute_error". Старые имена опций всё ещё действительны, дают те же модели, но устарели и будут удалены в версии 1.2. #19733 by Christian Lorentzen.

  • Для ensemble.ExtraTreesRegressor, criterion="mae" устарело, используйте "absolute_error" вместо этого.

  • Для ensemble.GradientBoostingRegressor, loss="lad" устарело, используйте "absolute_error" вместо этого.

  • Для ensemble.RandomForestRegressor, criterion="mae" устарело, используйте "absolute_error" вместо этого.

  • Для ensemble.HistGradientBoostingRegressor, loss="least_absolute_deviation" устарел, используйте "absolute_error" вместо этого.

  • Для linear_model.RANSACRegressor, loss="absolute_loss" устарел, используйте "absolute_error" вместо этого, что теперь является значением по умолчанию.

  • Для tree.DecisionTreeRegressor, criterion="mae" устарело, используйте "absolute_error" вместо этого.

  • Для tree.ExtraTreeRegressor, criterion="mae" устарело, используйте "absolute_error" вместо этого.

• Изменение API np.matrix использование устарело в версии 1.0 и вызовет TypeError в версии 1.2. #20165 by Томас Фан.

• Изменение API get_feature_names_out был добавлен в API трансформера для получения имён выходных признаков. get_feature_names в свою очередь устарел. #18444 by Томас Фан.

• Изменение API Все оценщики хранят feature_names_in_ при обучении на pandas Dataframes. Эти имена признаков сравниваются с именами, видимыми в не-fit методы, например transform и вызовет FutureWarning если они не согласованы, см. также Основные новости выпуска scikit-learn 1.0. Эти FutureWarning s станет ValueError s в 1.2. #18010 by Томас Фан.

sklearn.base

• Исправление config_context теперь потокобезопасен. #18736 by Томас Фан.

sklearn.calibration

• Функция calibration.CalibrationDisplay добавлено для построения калибровочных кривых. #17443 by Lucy Liu.

• Исправление The predict и predict_proba методы calibration.CalibratedClassifierCV теперь может корректно использоваться на предварительно обученных конвейерах. #19641 by Алек Лефевр.

• Исправление Исправлена ошибка при использовании ensemble.VotingClassifier как base_estimator в calibration.CalibratedClassifierCV. #20087 by Клеман Фошро.

sklearn.cluster

• Эффективность The "k-means++" инициализация cluster.KMeans и cluster.MiniBatchKMeans теперь работает быстрее, особенно в многопоточных настройках. #19002 by Джон Кралл и Жереми дю Буаберранже.

• Эффективность cluster.KMeans с algorithm='elkan' теперь быстрее в многопоточных настройках. #19052 by Yusuke Nagasaka.

• Эффективность cluster.MiniBatchKMeans теперь работает быстрее в многопоточных настройках. #17622 by Жереми дю Буаберранже.

• Эффективность cluster.OPTICS теперь может кэшировать результат вычисления дерева, используя memory параметр. #19024 by Фрэнки Робертсон.

• Улучшение The predict и fit_predict методы cluster.AffinityPropagation теперь принимают разреженный тип данных для входных данных. #20117 by Venkatachalam Natchiappan

• Исправление Исправлена ошибка в cluster.MiniBatchKMeans где веса образцов частично игнорировались, когда входные данные разреженные. #17622 by Жереми дю Буаберранже.

• Исправление Улучшенное обнаружение сходимости на основе изменения центра в cluster.MiniBatchKMeans что было почти никогда достижимо. #17622 by Жереми дю Буаберранже.

• Исправление cluster.AgglomerativeClustering теперь поддерживает наборы данных только для чтения с отображением в память. #19883 by Julien Jerphanion.

• Исправление cluster.AgglomerativeClustering корректно соединяет компоненты, когда connectivity и affinity оба предварительно вычислены и количество связных компонентов больше 1. #20597 by Томас Фан.

• Исправление cluster.FeatureAgglomeration не принимает **params kwarg в fit функции больше, что приводит к более краткому сообщению об ошибке. #20899 by Adam Li.

• Исправление Исправлена ошибка в cluster.KMeans, обеспечивая воспроизводимость и эквивалентность между разреженными и плотными входными данными. #20200 by Жереми дю Буаберранже.

• Изменение API cluster.Birch атрибуты, fit_ и partial_fit_, являются устаревшими и будут удалены в версии 1.2. #19297 by Томас Фан.

• Изменение API значения по умолчанию для batch_size параметр cluster.MiniBatchKMeans был изменен с 100 на 1024 по причинам эффективности. n_iter_ атрибут cluster.MiniBatchKMeans теперь сообщает количество начатых эпох и n_steps_ атрибут сообщает количество обработанных мини-пакетов. #17622 by Жереми дю Буаберранже.

• Изменение API cluster.spectral_clustering вызывает улучшенную ошибку при передаче np.matrix. #20560 by Томас Фан.

sklearn.compose

• Улучшение compose.ColumnTransformer теперь записывает выход каждого трансформера в output_indices_. #18393 by Luca Bittarello.

• Улучшение compose.ColumnTransformer теперь позволяет входным данным DataFrame иметь измененный порядок столбцов в transform. Кроме того, столбцы, которые удаляются, не потребуются при преобразовании, а дополнительные столбцы будут проигнорированы, если remainder='drop'. #19263 by Томас Фан.

• Улучшение Добавляет **predict_params ключевой аргумент для compose.TransformedTargetRegressor.predict который передает именованные аргументы регрессору. #19244 by Рикардо.

• Исправление compose.ColumnTransformer.get_feature_names поддерживает нестроковые имена признаков, возвращаемые любым из его преобразователей. Однако обратите внимание, что get_feature_names устарел, используйте get_feature_names_out вместо этого. #18459 by Albert Villanova del Moral и Alonso Silva Allende.

• Исправление compose.TransformedTargetRegressor теперь принимает nD-цели с соответствующим трансформером. #18898 by Орас Фонгпанагнам.

• Изменение API Добавляет verbose_feature_names_out to compose.ColumnTransformer. Этот флаг управляет добавлением префиксов к именам признаков в get_feature_names_out. #18444 и #21080 by Томас Фан.

sklearn.covariance

• Исправление Добавляет проверку массивов в covariance.ledoit_wolf и covariance.ledoit_wolf_shrinkage. #20416 by Hugo Defois.

• Изменение API Устаревают следующие ключи в cv_results_: 'mean_score', 'std_score', и 'split(k)_score' в пользу 'mean_test_score' 'std_test_score', и 'split(k)_test_score'. #20583 by Томас Фан.

sklearn.datasets

• Улучшение datasets.fetch_openml теперь поддерживает категории с пропущенными значениями при возврате pandas dataframe. #19365 by Томас Фан и Аманда Д'Суза и Эль-Атеиф Сара.

• Улучшение datasets.fetch_kddcup99 выдает более понятное сообщение при недействительном кэшированном файле. #19669 Томас Фан.

• Улучшение Замените использования __file__ связанный с вводом-выводом файлов ресурсов с importlib.resources чтобы избежать предположения, что эти файлы ресурсов (например, iris.csv) уже существуют в файловой системе, и, как следствие, для обеспечения совместимости с такими инструментами, как PyOxidizer. Примечание: когда остатки предсказаний имеют нулевое среднее, by Jack Liu.

• Исправление Сократите имена файлов данных в тестах openml для лучшей поддержки установки на Windows и его ограничения по умолчанию в 260 символов на длину имени файла. #20209 by Томас Фан.

• Исправление datasets.fetch_kddcup99 возвращает датафреймы, когда return_X_y=True и as_frame=True. #19011 by Томас Фан.

• Изменение API Устаревает datasets.load_boston в 1.0, и он будет удален в 1.2. Предоставлены альтернативные фрагменты кода для загрузки аналогичных наборов данных. Пожалуйста, обратитесь к документации функции для подробностей. #20729 by Guillaume Lemaitre.

sklearn.decomposition

• Улучшение добавлен новый приближенный решатель (рандомизированный SVD, доступный с eigen_solver='randomized') в decomposition.KernelPCA. Это значительно ускоряет вычисления, когда количество образцов намного больше желаемого количества компонентов. #12069 by Sylvain Marié.

• Исправление Исправляет некорректные множественные предупреждения о преобразовании данных при кластеризации булевых данных. #19046 by Surya Prakash.

• Исправление Исправлено decomposition.dict_learning, используемый decomposition.DictionaryLearning, чтобы обеспечить детерминированность вывода. Достигается путем изменения знаков вывода SVD, который используется для инициализации кода. #18433 by Bruno Charron.

• Исправление Исправлена ошибка в decomposition.MiniBatchDictionaryLearning, decomposition.MiniBatchSparsePCA и decomposition.dict_learning_online где обновление словаря было некорректным. #19198 by Жереми дю Буаберранже.

• Исправление Исправлена ошибка в decomposition.DictionaryLearning, decomposition.SparsePCA, decomposition.MiniBatchDictionaryLearning, decomposition.MiniBatchSparsePCA, decomposition.dict_learning и decomposition.dict_learning_online где перезапуск неиспользуемых атомов во время обновления словаря работал не так, как ожидалось. #19198 by Жереми дю Буаберранже.

• Изменение API В decomposition.DictionaryLearning, decomposition.MiniBatchDictionaryLearning, decomposition.dict_learning и decomposition.dict_learning_online, transform_alpha будет равно alpha вместо 1.0 по умолчанию, начиная с версии 1.2 #19159 by Benoît Malézieux.

• Изменение API Переименовать имена переменных в decomposition.KernelPCA для улучшения читаемости. lambdas_ и alphas_ переименованы в eigenvalues_ и eigenvectors_, соответственно. lambdas_ и alphas_ устарели и будут удалены в версии 1.2. #19908 by Kei Ishikawa.

• Изменение API The alpha и regularization параметры decomposition.NMF и decomposition.non_negative_factorization устарели и будут удалены в версии 1.2. Используйте новые параметры alpha_W и alpha_H вместо этого. #20512 by Жереми дю Буаберранже.

sklearn.dummy

• Изменение API Атрибут n_features_in_ в dummy.DummyRegressor и dummy.DummyRegressor устарел и будет удален в версии 1.2. #20960 by Томас Фан.

sklearn.ensemble

• Улучшение HistGradientBoostingClassifier и HistGradientBoostingRegressor учитывать квоты cgroups при определении количества потоков, используемых OpenMP. Это избегает проблем с производительностью, вызванных переподпиской при использовании этих классов в контейнере Docker, например. #20477 by Томас Фан.

• Улучшение HistGradientBoostingClassifier и HistGradientBoostingRegressor больше не являются экспериментальными. Теперь они считаются стабильными и подчиняются тем же циклам устаревания, что и все другие оценщики. #19799 by Nicolas Hug.

• Улучшение Улучшить HTML-рендеринг ensemble.StackingClassifier и ensemble.StackingRegressor. #19564 by Томас Фан.

• Улучшение Добавлен критерий Пуассона в ensemble.RandomForestRegressor. #19836 by Brian Sun.

• Исправление Не разрешать вычислять оценку out-of-bag (OOB) в ensemble.RandomForestClassifier и ensemble.ExtraTreesClassifier с многоклассовыми-многомерными целевыми значениями, поскольку scikit-learn не предоставляет метрик, поддерживающих этот тип целевых значений. Было выполнено дополнительное приватное рефакторинг. #19162 by Guillaume Lemaitre.

• Исправление Улучшение численной точности для взвешенного бустинга в ensemble.AdaBoostClassifier и ensemble.AdaBoostRegressor чтобы избежать потери точности при малых значениях. #10096 by Fenil Suchak.

• Исправление Исправлен диапазон аргумента max_samples будет (0.0, 1.0] в ensemble.RandomForestClassifier, ensemble.RandomForestRegressor, где max_samples=1.0 интерпретируется как использование всех n_samples для бутстрэппинга. #20159 by @murata-yu.

• Исправление Исправлена ошибка в ensemble.AdaBoostClassifier и ensemble.AdaBoostRegressor где sample_weight параметр был перезаписан во время fit. #20534 by Guillaume Lemaitre.

• Изменение API Удаляет tol=None опция в ensemble.HistGradientBoostingClassifier и ensemble.HistGradientBoostingRegressor. Пожалуйста, используйте tol=0 для того же поведения. #19296 by Томас Фан.

sklearn.feature_extraction

• Исправление Исправлена ошибка в feature_extraction.text.HashingVectorizer где некоторые входные строки приводят к отрицательным индексам в преобразованных данных. #19035 by Liu Yu.

• Исправление Исправлена ошибка в feature_extraction.DictVectorizer путем вызова ошибки с неподдерживаемым типом значения. #19520 by Jeff Zhao.

• Исправление Исправлена ошибка в feature_extraction.image.img_to_graph и feature_extraction.image.grid_to_graph где одиночные связные компоненты обрабатывались неправильно, что приводило к неверной индексации вершин. #18964 by Bertrand Thirion.

• Исправление Выдать предупреждение в feature_extraction.text.CountVectorizer с lowercase=True когда в словарных записях есть символы в верхнем регистре, чтобы избежать тихих пропусков в результирующих векторах признаков. #19401 by Zito Relova

sklearn.feature_selection

• Функция feature_selection.r_regression вычисляет коэффициенты корреляции Пирсона R между признаками и целевой переменной. #17169 by Dmytro Lituiev и Julien Jerphanion.

• Улучшение feature_selection.RFE.fit принимает дополнительные параметры оценщика, которые передаются непосредственно в fit метод. #20380 by Иван Пулидо, Фелипе Биду, Gil Rutter, и Адрин Джалали.

• Исправление Исправлена ошибка в isotonic.isotonic_regression где sample_weight переданные пользователем, были перезаписаны во время fit. #20515 by Карстен Аллефельд.

• Исправление Изменить feature_selection.SequentialFeatureSelector чтобы позволить неконтролируемое моделирование, чтобы fit сигнатура не должна делать никаких y валидация и разрешение для y=None. #19568 by Shyam Desai.

• Изменение API Вызывает ошибку в feature_selection.VarianceThreshold когда порог дисперсии отрицательный. #20207 by Tomohiro Endo

• Изменение API Устаревает grid_scores_ в пользу оценок разделения в cv_results_ в feature_selection.RFECV. grid_scores_ будет удален в версии 1.2. #20161 by Shuhei Kayawari и @arka204.

sklearn.inspection

• Улучшение Добавить max_samples параметр в inspection.permutation_importance. Это позволяет выбрать подмножество выборок для вычисления перестановочной важности. Это полезно для сохранения метода вычислительно выполнимым при оценке важности признаков на больших наборах данных. #20431 by Оливер Пфаффель.

• Улучшение Добавить kwargs для отдельного форматирования линий ICE и PD на графиках частных зависимостей inspection.plot_partial_dependence и inspection.PartialDependenceDisplay.plot. #19428 by Mehdi Hamoumi.

• Исправление Разрешить ввод нескольких оценщиков в inspection.permutation_importance. #19411 by Симона Маджо.

• Изменение API inspection.PartialDependenceDisplay предоставляет метод класса: from_estimator. inspection.plot_partial_dependence устарел в пользу метода класса и будет удален в версии 1.2. #20959 by Томас Фан.

sklearn.kernel_approximation

• Исправление Исправлена ошибка в kernel_approximation.Nystroem где атрибут component_indices_ не соответствовал подмножеству индексов выборок, используемых для генерации приближенного ядра. #20554 by Xiangyin Kong.

sklearn.linear_model

• Основная функция Добавлен linear_model.QuantileRegressor который реализует линейную квантильную регрессию с L1-штрафом. #9978 by David Dale и Christian Lorentzen.

• Функция Новый linear_model.SGDOneClassSVM предоставляет SGD-реализацию линейного One-Class SVM. В сочетании с методами аппроксимации ядра эта реализация аппроксимирует решение ядерного One Class SVM, выигрывая от линейной сложности по количеству образцов. #10027 by Альберт Томас.

• Функция Добавлен sample_weight параметр для linear_model.LassoCV и linear_model.ElasticNetCV. #16449 by Christian Lorentzen.

• Функция Добавлен новый решатель lbfgs (доступно с solver="lbfgs") и positive аргумент для linear_model.Ridge. Когда positive установлено в True, принудительно делает коэффициенты положительными (поддерживается только lbfgs). #20231 by Тосихиро Накаэ.

• Эффективность Реализация linear_model.LogisticRegression был оптимизирован для плотных матриц при использовании solver='newton-cg' и multi_class!='multinomial'. #19571 by Julien Jerphanion.

• Улучшение fit метод сохраняет dtype для numpy.float32 в linear_model.Lars, linear_model.LassoLars, linear_model.LassoLars, linear_model.LarsCV и linear_model.LassoLarsCV. #20155 by Takeshi Oura.

• Улучшение Проверьте предоставленную пользователем грам-матрицу, переданную в линейные модели через precompute аргумент. #19004 by Adam Midvidy.

• Исправление linear_model.ElasticNet.fit больше не изменяет sample_weight на месте. #19055 by Томас Фан.

• Исправление linear_model.Lasso и linear_model.ElasticNet больше не имеет dual_gap_ не соответствует их цели. #19172 by Матюрен Массиас

• Исправление sample_weight теперь полностью учитываются в линейных моделях, когда normalize=True как для центрирования признаков, так и для масштабирования признаков. #19426 by Александр Грамфор и Мария Теленчук.

• Исправление Точки с остатками, равными residual_threshold теперь считаются как выбросы для linear_model.RANSACRegressor. Это позволяет идеально обучить модель на некоторых наборах данных, когда residual_threshold=0. #19499 by Грегори Струбель.

• Исправление Инвариантность весов образцов для linear_model.Ridge был исправлен в #19616 by Oliver Grisel и Christian Lorentzen.

• Исправление Словарь params в linear_model.enet_path и linear_model.lasso_path должен содержать только параметры решателя координатного спуска. В противном случае будет вызвана ошибка. #19391 by Shao Yang Hong.

• Изменение API Выдать предупреждение в linear_model.RANSACRegressor что с версии 1.2, min_samples должны быть явно установлены для моделей, отличных от linear_model.LinearRegression. #19390 by Shao Yang Hong.

• Изменение API : Параметр normalize of linear_model.LinearRegression устарел и будет удален в версии 1.2. Причина устаревания: normalize параметр не действовал, если fit_intercept был установлен в False и поэтому считался запутанным. Поведение устаревшего LinearModel(normalize=True) может быть воспроизведен с помощью Pipeline с LinearModel (где LinearModel является LinearRegression, Ridge, RidgeClassifier, RidgeCV или RidgeClassifierCV) следующим образом: make_pipeline(StandardScaler(with_mean=False), LinearModel()). normalize параметр в LinearRegression был устаревшим в #17743 by Мария Теленчук и Александр Грамфор. То же для Ridge, RidgeClassifier, RidgeCV, и RidgeClassifierCV, в: #17772 by Мария Теленчук и Александр Грамфор. То же для BayesianRidge, ARDRegression в: #17746 by Мария Теленчук. То же для Lasso, LassoCV, ElasticNet, ElasticNetCV, MultiTaskLasso, MultiTaskLassoCV, MultiTaskElasticNet, MultiTaskElasticNetCV, в: #17785 by Мария Теленчук и Александр Грамфор.

• Изменение API The normalize параметр OrthogonalMatchingPursuit и OrthogonalMatchingPursuitCV по умолчанию будет False в версии 1.2 и будет удален в версии 1.4. #17750 by Мария Теленчук и Александр Грамфор. То же для Lars LarsCV LassoLars LassoLarsCV LassoLarsIC, в #17769 by Мария Теленчук и Александр Грамфор.

• Изменение API Проверка ключевых слов перемещена из __init__ и set_params to fit для следующих оценщиков, соответствующих соглашениям scikit-learn: SGDClassifier, SGDRegressor, SGDOneClassSVM, PassiveAggressiveClassifier, и PassiveAggressiveRegressor. #20683 by Guillaume Lemaitre.

sklearn.manifold

• Улучшение Реализовать 'auto' эвристика для learning_rate в manifold.TSNE. Это станет стандартным в версии 1.2. Инициализация по умолчанию изменится на pca в 1.2. Инициализация PCA будет масштабирована до стандартного отклонения 1e-4 в 1.2. #19491 by Dmitry Kobak.

• Исправление Изменить числовую точность, чтобы предотвратить проблемы с исчезновением порядка во время вычисления матрицы сходства для manifold.TSNE. #19472 by Dmitry Kobak.

• Исправление manifold.Isomap теперь использует scipy.sparse.csgraph.shortest_path для вычисления кратчайшего пути графа. Также соединяет несвязные компоненты графа соседей по некоторым парам минимального расстояния, вместо того чтобы изменять все бесконечные расстояния на нулевые. #20531 by Roman Yurchak и Том Дюпре ла Тур.

• Исправление Уменьшить числовую стандартную погрешность в вызове lobpcg в manifold.spectral_embedding для предотвращения численной нестабильности. #21194 by Andrew Knyazev.

sklearn.metrics

• Функция metrics.mean_pinball_loss предоставляет функцию потерь пинбол для квантильной регрессии. #19415 by Xavier Dupré и Oliver Grisel.

• Функция metrics.d2_tweedie_score вычисляет регрессионную оценку D^2 для отклонений Твиди с параметром мощности power. Это обобщение r2_score и может интерпретироваться как процент объяснённого отклонения Твиди. #17036 by Christian Lorentzen.

• Функция metrics.mean_squared_log_error теперь поддерживает squared=False. #20326 by Uttam kumar.

• Эффективность Улучшенная скорость metrics.confusion_matrix когда метки являются целочисленными. #9843 by Джон Кралл.

• Улучшение Исправление для вызова ошибки в metrics.hinge_loss когда pred_decision является одномерным, тогда как это многоклассовая классификация или когда pred_decision параметр не согласуется с labels параметр. #19643 by Пьер Аттард.

• Исправление metrics.ConfusionMatrixDisplay.plot использует правильный максимум для цветовой карты. #19784 by Томас Фан.

• Исправление Образцы с нулевым sample_weight значения не влияют на результаты из metrics.det_curve, metrics.precision_recall_curve и metrics.roc_curve. #18328 by Albert Villanova del Moral и Alonso Silva Allende.

• Исправление избежать переполнения в metrics.adjusted_rand_score с большим объемом данных. #20312 by Дивьяншу Деоли.

• Изменение API metrics.ConfusionMatrixDisplay предоставляет два метода класса from_estimator и from_predictions позволяя создать график матрицы ошибок с использованием оценщика или предсказаний. metrics.plot_confusion_matrix устарел в пользу этих двух методов класса и будет удалён в версии 1.2. #18543 by Guillaume Lemaitre.

• Изменение API metrics.PrecisionRecallDisplay предоставляет два метода класса from_estimator и from_predictions позволяя создать кривую точности-полноты с помощью оценщика или предсказаний. metrics.plot_precision_recall_curve устарел в пользу этих двух методов класса и будет удален в версии 1.2. #20552 by Guillaume Lemaitre.

• Изменение API metrics.DetCurveDisplay предоставляет два метода класса from_estimator и from_predictions позволяя создать график матрицы ошибок с использованием оценщика или предсказаний. metrics.plot_det_curve устарел в пользу этих двух методов класса и будет удалён в версии 1.2. #19278 by Guillaume Lemaitre.

sklearn.mixture

• Исправление Убедитесь, что лучшие параметры установлены соответствующим образом в случае расходимости для mixture.GaussianMixture и mixture.BayesianGaussianMixture. #20030 by Тиншань Лю и Бенджамин Педиго.

sklearn.model_selection

• Функция добавлен model_selection.StratifiedGroupKFold, который объединяет model_selection.StratifiedKFold и model_selection.GroupKFold, предоставляя возможность разделять данные, сохраняя распределение классов в каждом разделе, оставляя каждую группу в одном разделе. #18649 by Леандро Эрмида и Rodion Martynov.

• Улучшение предупреждать только один раз в основном процессе для неудачных подгонок на разделение в перекрестной проверке. #20619 by Loïc Estève

• Улучшение The model_selection.BaseShuffleSplit базовый класс теперь публичный. #20056 by @pabloduque0.

• Исправление Избегайте преждевременного переполнения в model_selection.train_test_split. #20904 by Томаш Якубек.

sklearn.naive_bayes

• Исправление The fit и partial_fit методы дискретных наивных байесовских классификаторов (naive_bayes.BernoulliNB, naive_bayes.CategoricalNB, naive_bayes.ComplementNB, и naive_bayes.MultinomialNB) теперь корректно обрабатывают вырожденный случай одного класса в обучающей выборке. #18925 by David Poznik.

• Изменение API Атрибут sigma_ теперь устарел в naive_bayes.GaussianNB и будет удалена в версии 1.2. Используйте var_ вместо этого. #18842 by Hong Shao Yang.

sklearn.neighbors

• Улучшение Создание neighbors.KDTree и neighbors.BallTree была улучшена для их худшей временной сложности с \(\mathcal{O}(n^2)\) to \(\mathcal{O}(n)\). #19473 by jiefangxuanyan и Julien Jerphanion.

• Исправление neighbors.DistanceMetric подклассы теперь поддерживают доступные только для чтения наборы данных, отображаемые в память. #19883 by Julien Jerphanion.

• Исправление neighbors.NearestNeighbors, neighbors.KNeighborsClassifier, neighbors.RadiusNeighborsClassifier, neighbors.KNeighborsRegressor и neighbors.RadiusNeighborsRegressor не проверяют weights в __init__ и проверять weights в fit вместо этого. #20072 by Juan Carlos Alfaro Jiménez.

• Изменение API Параметр kwargs of neighbors.RadiusNeighborsClassifier устарел и будет удалён в версии 1.2. #20842 by Хуан Мартин Лойола.

sklearn.neural_network

• Исправление neural_network.MLPClassifier и neural_network.MLPRegressor теперь корректно поддерживает продолжение обучения при загрузке из файла pickle. #19631 by Томас Фан.

sklearn.pipeline

• Изменение API The predict_proba и predict_log_proba методы pipeline.Pipeline теперь поддерживают передачу аргументов предсказания конечному оценщику. #19790 by Christopher Flynn.

sklearn.preprocessing

• Функция Новый preprocessing.SplineTransformer является инструментом предобработки признаков для генерации B-сплайнов, параметризованных полиномом degree сплайнов, количество узлов n_knots и стратегия позиционирования узлов knots. #18368 by Christian Lorentzen. preprocessing.SplineTransformer также поддерживает периодические сплайны через extrapolation аргумент. #19483 by Malte Londschien. preprocessing.SplineTransformer поддерживает веса выборок для стратегии положения узлов "quantile". #20526 by Malte Londschien.

• Функция preprocessing.OrdinalEncoder по умолчанию поддерживает пропуск пропущенных значений. #19069 by Томас Фан.

• Функция preprocessing.OneHotEncoder теперь поддерживает handle_unknown='ignore' и удаление категорий. #19041 by Томас Фан.

• Функция preprocessing.PolynomialFeatures теперь поддерживает передачу кортежа в degree, т.е. degree=(min_degree, max_degree). #20250 by Christian Lorentzen.

• Эффективность preprocessing.StandardScaler быстрее и более эффективно по памяти. #20652 by Томас Фан.

• Эффективность Изменено algorithm аргумент для cluster.KMeans в preprocessing.KBinsDiscretizer из auto to full. #19934 by Hleb Levitski.

• Эффективность Реализация fit для preprocessing.PolynomialFeatures трансформер теперь работает быстрее. Это особенно заметно на больших разреженных входных данных. Пример того же by Фред Робинсон.

• Исправление The preprocessing.StandardScaler.inverse_transform метод теперь вызывает ошибку, когда входные данные одномерны. #19752 by Zhehao Liu.

• Исправление preprocessing.scale, preprocessing.StandardScaler и аналогичные масштабаторы обнаруживают почти постоянные признаки, чтобы избежать их масштабирования до очень больших значений. Эта проблема возникает в частности при использовании масштабатора на разреженных данных с постоянным столбцом и весами выборок, в этом случае центрирование обычно отключается. #19527 by Oliver Grisel и Мария Теленчук и #19788 by Жереми дю Буаберранже.

• Исправление preprocessing.StandardScaler.inverse_transform теперь корректно обрабатывает целочисленные типы данных. #19356 by @makoeppel.

• Исправление preprocessing.OrdinalEncoder.inverse_transform не поддерживает разреженную матрицу и выдает соответствующее сообщение об ошибке. #19879 by Guillaume Lemaitre.

• Исправление The fit метод preprocessing.OrdinalEncoder не будет вызывать ошибку, когда handle_unknown='ignore' и неизвестные категории присваиваются fit. #19906 by Zhehao Liu.

• Исправление Исправлена регрессия в preprocessing.OrdinalEncoder где большие числовые значения Python вызвали бы ошибку из-за переполнения при приведении к типу C (np.float64 или np.int64). #20727 by Guillaume Lemaitre.

• Исправление preprocessing.FunctionTransformer не устанавливает n_features_in_ на основе ввода в inverse_transform. #20961 by Томас Фан.

• Изменение API The n_input_features_ атрибут preprocessing.PolynomialFeatures устарел в пользу n_features_in_ и будет удалён в версии 1.2. #20240 by Жереми дю Буаберранже.

sklearn.svm

• Изменение API Параметр **params of svm.OneClassSVM.fit устарел и будет удалён в версии 1.2. #20843 by Хуан Мартин Лойола.

sklearn.tree

• Улучшение Добавить fontname аргумент в tree.export_graphviz для неанглийских символов. #18959 by Ноль и wstates.

• Исправление Улучшает совместимость tree.plot_tree с экранами с высоким DPI. #20023 by Томас Фан.

• Исправление Исправлена ошибка в tree.DecisionTreeClassifier, tree.DecisionTreeRegressor где узел мог быть разделен, хотя не должен был из-за некорректной обработки ошибок округления. #19336 by Жереми дю Буаберранже.

• Изменение API The n_features_ атрибут tree.DecisionTreeClassifier, tree.DecisionTreeRegressor, tree.ExtraTreeClassifier и tree.ExtraTreeRegressor устарел в пользу n_features_in_ и будет удалён в версии 1.2. #20272 by Жереми дю Буаберранже.

sklearn.utils

• Улучшение Устаревшее значение по умолчанию для random_state=0 в randomized_svd. Начиная с версии 1.2, значение по умолчанию для random_state будет установлено в None. #19459 by Синди Безёйденхаут и Clifford Akai-Nettey.

• Улучшение Добавлен вспомогательный декоратор utils.metaestimators.available_if для обеспечения гибкости в метаоценщиках, делающих методы доступными или недоступными на основе состояния, более читаемым способом. #19948 by Joel Nothman.

• Улучшение utils.validation.check_is_fitted теперь использует __sklearn_is_fitted__ если доступно, вместо проверки атрибутов, оканчивающихся на подчёркивание. Это также делает pipeline.Pipeline и preprocessing.FunctionTransformer pass check_is_fitted(estimator). #20657 by Адрин Джалали.

• Исправление Исправлена ошибка в utils.sparsefuncs.mean_variance_axis где точность вычисленной дисперсии была очень низкой, когда реальная дисперсия равна нулю. #19766 by Жереми дю Буаберранже.

• Исправление Строки документации свойств, которые украшены utils.deprecated теперь правильно обёрнуты. #20385 by Thomas Fan.

• Исправление utils.stats._weighted_percentile теперь правильно игнорирует наблюдения с нулевым весом, меньшие, чем наименьшее наблюдение с положительным весом для percentile=0. Затронутые классы: dummy.DummyRegressor для quantile=0 и ensemble.HuberLossFunction и ensemble.HuberLossFunction для alpha=0. #20528 by Malte Londschien.

• Исправление utils._safe_indexing явно принимает копию dataframe, когда предоставляются целочисленные индексы, избегая вызова предупреждения от Pandas. Это предупреждение ранее вызывалось в утилитах повторной выборки и функциях, использующих эти утилиты (например, model_selection.train_test_split, model_selection.cross_validate, model_selection.cross_val_score, model_selection.cross_val_predict). #20673 by Joris Van den Bossche.

• Исправление Исправлена регрессия в utils.is_scalar_nan где большие числа Python вызовут ошибку из-за переполнения в типах C (np.float64 или np.int64). #20727 by Guillaume Lemaitre.

• Исправление Поддержка np.matrix устарел в check_array в 1.0 и вызовет TypeError в версии 1.2. #20165 by Томас Фан.

• Изменение API utils._testing.assert_warns и utils._testing.assert_warns_message устарели в версии 1.0 и будут удалены в версии 1.2. Используйте pytest.warns менеджер контекста вместо этого. Обратите внимание, что эти функции не были задокументированы и не являются частью публичного API. #20521 by Оливье Гризель.

• Изменение API Исправлено несколько ошибок в utils.graph.graph_shortest_path, которая теперь устарела. Используйте scipy.sparse.csgraph.shortest_path вместо этого. #20531 by Tom Dupre la Tour.

Участники кода и документации

Благодарим всех, кто внёс вклад в поддержку и улучшение проекта с версии 0.24, включая:

Abdulelah S. Al Mesfer, Abhinav Gupta, Adam J. Stewart, Adam Li, Adam Midvidy, Adrian Garcia Badaracco, Adrian Sadłocha, Adrin Jalali, Agamemnon Krasoulis, Alberto Rubiales, Albert Thomas, Albert Villanova del Moral, Alek Lefebvre, Alessia Marcolini, Alexandr Fonari, Alihan Zihna, Aline Ribeiro de Almeida, Amanda, Amanda Dsouza, Amol Deshmukh, Ana Pessoa, Anavelyz, Andreas Mueller, Andrew Delong, Ashish, Ashvith Shetty, Atsushi Nukariya, Aurélien Geron, Avi Gupta, Ayush Singh, baam, BaptBillard, Benjamin Pedigo, Bertrand Thirion, Bharat Raghunathan, bmalezieux, Brian Rice, Brian Sun, Bruno Charron, Bryan Chen, bumblebee, caherrera-meli, Carsten Allefeld, CeeThinwa, Chiara Marmo, chrissobel, Christian Lorentzen, Christopher Yeh, Chuliang Xiao, Clément Fauchereau, cliffordEmmanuel, Conner Shen, Connor Tann, David Dale, David Katz, David Poznik, Dimitri Papadopoulos Orfanos, Divyanshu Deoli, dmallia17, Dmitry Kobak, DS_anas, Eduardo Jardim, EdwinWenink, EL-ATEIF Sara, Eleni Markou, EricEllwanger, Eric Fiegel, Erich Schubert, Ezri-Mudde, Fatos Morina, Felipe Rodrigues, Felix Hafner, Fenil Suchak, flyingdutchman23, Flynn, Fortune Uwha, Francois Berenger, Frankie Robertson, Frans Larsson, Frederick Robinson, frellwan, Gabriel S Vicente, Gael Varoquaux, genvalen, Geoffrey Thomas, geroldcsendes, Hleb Levitski, Glen, Glòria Macià Muñoz, gregorystrubel, groceryheist, Guillaume Lemaitre, guiweber, Haidar Almubarak, Hans Moritz Günther, Haoyin Xu, Harris Mirza, Harry Wei, Harutaka Kawamura, Hassan Alsawadi, Helder Geovane Gomes de Lima, Hugo DEFOIS, Igor Ilic, Ikko Ashimine, Isaack Mungui, Ishaan Bhat, Ishan Mishra, Iván Pulido, iwhalvic, J Alexander, Jack Liu, James Alan Preiss, James Budarz, James Lamb, Jannik, Jeff Zhao, Jennifer Maldonado, Jérémie du Boisberranger, Jesse Lima, Jianzhu Guo, jnboehm, Joel Nothman, JohanWork, John Paton, Jonathan Schneider, Jon Crall, Jon Haitz Legarreta Gorroño, Joris Van den Bossche, José Manuel Nápoles Duarte, Juan Carlos Alfaro Jiménez, Juan Martin Loyola, Julien Jerphanion, Julio Batista Silva, julyrashchenko, JVM, Kadatatlu Kishore, Karen Palacio, Kei Ishikawa, kmatt10, kobaski, Kot271828, Kunj, KurumeYuta, kxytim, lacrosse91, LalliAcqua, Laveen Bagai, Leonardo Rocco, Leonardo Uieda, Leopoldo Corona, Loic Esteve, LSturtew, Luca Bittarello, Luccas Quadros, Lucy Jiménez, Lucy Liu, ly648499246, Mabu Manaileng, Manimaran, makoeppel, Marco Gorelli, Maren Westermann, Mariangela, Maria Telenczuk, marielaraj, Martin Hirzel, Mateo Noreña, Mathieu Blondel, Mathis Batoul, mathurinm, Matthew Calcote, Maxime Prieur, Maxwell, Mehdi Hamoumi, Mehmet Ali Özer, Miao Cai, Michal Karbownik, michalkrawczyk, Mitzi, mlondschien, Mohamed Haseeb, Mohamed Khoualed, Muhammad Jarir Kanji, murata-yu, Nadim Kawwa, Nanshan Li, naozin555, Nate Parsons, Neal Fultz, Nic Annau, Nicolas Hug, Nicolas Miller, Nico Stefani, Nigel Bosch, Nikita Titov, Nodar Okroshiashvili, Norbert Preining, novaya, Ogbonna Chibuike Stephen, OGordon100, Oliver Pfaffel, Olivier Grisel, Oras Phongpanangam, Pablo Duque, Pablo Ibieta-Jimenez, Patric Lacouth, Paulo S. Costa, Paweł Olszewski, Peter Dye, PierreAttard, Pierre-Yves Le Borgne, PranayAnchuri, Prince Canuma, putschblos, qdeffense, RamyaNP, ranjanikrishnan, Ray Bell, Rene Jean Corneille, Reshama Shaikh, ricardojnf, RichardScottOZ, Rodion Martynov, Rohan Paul, Roman Lutz, Roman Yurchak, Samuel Brice, Sandy Khosasi, Sean Benhur J, Sebastian Flores, Sebastian Pölsterl, Shao Yang Hong, shinehide, shinnar, shivamgargsya, Shooter23, Shuhei Kayawari, Shyam Desai, simonamaggio, Sina Tootoonian, solosilence, Steven Kolawole, Steve Stagg, Surya Prakash, swpease, Sylvain Marié, Takeshi Oura, Terence Honles, TFiFiE, Thomas A Caswell, Thomas J. Fan, Tim Gates, TimotheeMathieu, Timothy Wolodzko, Tim Vink, t-jakubek, t-kusanagi, tliu68, Tobias Uhmann, tom1092, Tomás Moreyra, Tomás Ronald Hughes, Tom Dupré la Tour, Tommaso Di Noto, Tomohiro Endo, TONY GEORGE, Toshihiro NAKAE, tsuga, Uttam kumar, vadim-ushtanit, Vangelis Gkiastas, Venkatachalam N, Vilém Zouhar, Vinicius Rios Fuck, Vlasovets, waijean, Whidou, xavier dupré, xiaoyuchai, Yasmeen Alsaedy, yoch, Yosuke KOBAYASHI, Yu Feng, YusukeNagasaka, yzhenman, Zero, ZeyuSun, ZhaoweiWang, Zito, Zito Relova