注意

转到末尾下载完整的示例代码。或者通过JupyterLite或Binder在浏览器中运行此示例

scikit-learn 1.6版本亮点#

我们很高兴地宣布发布scikit-learn 1.6！添加了许多错误修复和改进，以及一些关键的新功能。下面我们详细介绍此版本的亮点。**有关所有更改的详尽列表**，请参阅发行说明。

要安装最新版本（使用pip）

pip install --upgrade scikit-learn

或使用conda

conda install -c conda-forge scikit-learn

FrozenEstimator：冻结估计器#

此元估计器允许您获取一个估计器并冻结其拟合方法，这意味着调用fit不会执行任何操作；此外，fit_predict和fit_transform分别调用predict和transform，而无需调用fit。原始估计器的其他方法和属性保持不变。一个有趣的用例是使用预先拟合的模型作为管道中的转换步骤，或将预先拟合的模型传递给某些元估计器。这是一个简短的示例

import time
from sklearn.datasets import make_classification
from sklearn.frozen import FrozenEstimator
from sklearn.linear_model import SGDClassifier
from sklearn.model_selection import FixedThresholdClassifier

X, y = make_classification(n_samples=1000, random_state=0)

start = time.time()
classifier = SGDClassifier().fit(X, y)
print(f"Fitting the classifier took {(time.time() - start) * 1_000:.2f} milliseconds")

start = time.time()
threshold_classifier = FixedThresholdClassifier(
    estimator=FrozenEstimator(classifier), threshold=0.9
).fit(X, y)
print(
    f"Fitting the threshold classifier took {(time.time() - start) * 1_000:.2f} "
    "milliseconds"
)

Fitting the classifier took 3.67 milliseconds
Fitting the threshold classifier took 0.62 milliseconds

拟合阈值分类器跳过了内部SGDClassifier的拟合。有关更多详细信息，请参阅示例使用FrozenEstimator的示例。

在管道中转换除X以外的数据#

Pipeline现在支持根据需要转换传递的数据（非X）。这可以通过设置新的transform_input参数来完成。当通过管道传递验证集时，这尤其有用。

例如，假设EstimatorWithValidationSet是一个接受验证集的估计器。我们现在可以拥有一个管道，它将转换验证集并将其传递给估计器

sklearn.set_config(enable_metadata_routing=True)
est_gs = GridSearchCV(
    Pipeline(
        (
            StandardScaler(),
            EstimatorWithValidationSet(...).set_fit_request(X_val=True, y_val=True),
        ),
        # telling pipeline to transform these inputs up to the step which is
        # requesting them.
        transform_input=["X_val"],
    ),
    param_grid={"estimatorwithvalidationset__param_to_optimize": list(range(5))},
    cv=5,
).fit(X, y, X_val, y_val)

在上面的代码中，关键部分是调用set_fit_request以指定X_val和y_val是由EstimatorWithValidationSet.fit方法所需的，以及transform_input参数，用于告诉管道在将X_val传递给EstimatorWithValidationSet.fit之前对其进行转换。

请注意，目前scikit-learn估计器尚未扩展为接受用户指定的验证集。此功能提前发布是为了收集可能从中受益的第三方库的反馈。

对`LogisticRegression(solver="newton-cholesky")`的多类支持#

"newton-cholesky"求解器（最初在scikit-learn 1.2版本中引入）以前仅限于二元LogisticRegression和一些其他广义线性回归估计器（即PoissonRegressor，GammaRegressor和TweedieRegressor）。

此新版本包括对多类（多项式）LogisticRegression的支持。

当特征数量较少到中等时，此求解器特别有用。经验证明，在某些具有独热编码分类特征的中等大小的数据集上，它的收敛性比其他求解器更可靠且更快，如拉取请求的基准结果所示。

对Extra Trees的缺失值支持#

类ensemble.ExtraTreesClassifier和ensemble.ExtraTreesRegressor现在支持缺失值。更多详情请见用户指南。

import numpy as np
from sklearn.ensemble import ExtraTreesClassifier

X = np.array([0, 1, 6, np.nan]).reshape(-1, 1)
y = [0, 0, 1, 1]

forest = ExtraTreesClassifier(random_state=0).fit(X, y)
forest.predict(X)

array([0, 0, 1, 1])

从网络下载任何数据集#

函数datasets.fetch_file允许从任何给定的URL下载文件。此便捷函数提供内置的本地磁盘缓存、sha256摘要完整性检查和网络错误时的自动重试机制。

目标是提供与数据集获取器相同的便利性和可靠性，同时提供灵活地处理来自任意在线资源和文件格式的数据。

然后可以使用通用函数或特定领域的函数（例如pandas.read_csv、pandas.read_parquet等）加载下载的文件。

数组API支持#

自1.5版本以来，更多估计器和函数已更新为支持与数组API兼容的输入，特别是来自sklearn.model_selection模块的超参数调整元估计器和来自sklearn.metrics模块的指标。

请参考数组API支持页面，了解如何使用与数组API兼容的库（如PyTorch或CuPy）使用scikit-learn。

几乎完整的元数据路由支持#

元数据路由支持已添加到所有剩余的估计器和函数中，除了AdaBoost。有关更多详细信息，请参阅元数据路由用户指南。

支持多线程CPython 3.13#

scikit-learn初步支持多线程CPython，特别是为我们所有支持的平台提供了多线程轮子。

多线程（也称为nogil）CPython 3.13是CPython 3.13的实验版本，其目标是通过移除全局解释器锁（GIL）来支持高效的多线程用例。

有关多线程CPython的更多详细信息，请参阅py-free-threading文档，特别是如何安装多线程CPython和生态系统兼容性跟踪。

请随意在您的用例中尝试多线程CPython并报告任何问题！

第三方库开发者API改进#

我们一直在努力改进第三方库的开发者API。这仍在进行中，但在这个版本中已经完成相当多的工作。此版本包括

sklearn.utils.validation.validate_data已引入，并取代了之前的私有方法BaseEstimator._validate_data。此函数扩展了check_array并增加了支持记住输入特征计数和名称的功能。
估计器标签现已改进，并通过sklearn.utils.Tags成为公共API的一部分。估计器现在应该重写BaseEstimator.__sklearn_tags__方法，而不是实现_more_tags方法。如果您想支持多个scikit-learn版本，可以在您的类中实现这两种方法。
由于开发了公共标签API，我们已删除_xfail_checks标签，并且预期会失败的测试直接传递给check_estimator和parametrize_with_checks。有关更多详细信息，请参阅其对应的API文档。
通用测试套件中的许多测试都已更新，并会发出更有帮助的错误消息。我们还添加了一些新的测试，这应该可以帮助您更轻松地解决估计器中的潜在问题。

我们还提供了一个更新版本的scikit-learn估计器的开发，我们建议您查看。

脚本总运行时间：（0分钟0.098秒）