注意
转到末尾以下载完整示例代码或通过 JupyterLite 或 Binder 在浏览器中运行此示例。
scikit-learn 1.2 版本亮点#
我们很高兴地宣布发布 scikit-learn 1.2！添加了许多错误修复和改进，以及一些新的关键功能。下面我们将详细介绍此版本的一些主要功能。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
使用 set_output API 的 Pandas 输出#
scikit-learn 的转换器现在支持使用 set_output API 的 pandas 输出。要了解有关 set_output API 的更多信息，请参阅示例：介绍 set_output API 和 # 这个视频，scikit-learn 转换器的 pandas DataFrame 输出（一些示例）。
import numpy as np
from sklearn.compose import ColumnTransformer
from sklearn.datasets import load_iris
from sklearn.preprocessing import KBinsDiscretizer, StandardScaler
X, y = load_iris(as_frame=True, return_X_y=True)
sepal_cols = ["sepal length (cm)", "sepal width (cm)"]
petal_cols = ["petal length (cm)", "petal width (cm)"]
preprocessor = ColumnTransformer(
[
("scaler", StandardScaler(), sepal_cols),
(
"kbin",
KBinsDiscretizer(encode="ordinal", quantile_method="averaged_inverted_cdf"),
petal_cols,
),
],
verbose_feature_names_out=False,
).set_output(transform="pandas")
X_out = preprocessor.fit_transform(X)
X_out.sample(n=5, random_state=0)
基于直方图的梯度提升树中的交互约束#
HistGradientBoostingRegressor 和 HistGradientBoostingClassifier 现在支持使用 interaction_cst 参数的交互约束。有关详细信息，请参阅用户指南。在以下示例中，特征不允许交互。
from sklearn.datasets import load_diabetes
from sklearn.ensemble import HistGradientBoostingRegressor
X, y = load_diabetes(return_X_y=True, as_frame=True)
hist_no_interact = HistGradientBoostingRegressor(
interaction_cst=[[i] for i in range(X.shape[1])], random_state=0
)
hist_no_interact.fit(X, y)
新的和增强的显示#
PredictionErrorDisplay 提供了一种定性分析回归模型的方法。
import matplotlib.pyplot as plt
from sklearn.metrics import PredictionErrorDisplay
fig, axs = plt.subplots(nrows=1, ncols=2, figsize=(12, 5))
_ = PredictionErrorDisplay.from_estimator(
hist_no_interact, X, y, kind="actual_vs_predicted", ax=axs[0]
)
_ = PredictionErrorDisplay.from_estimator(
hist_no_interact, X, y, kind="residual_vs_predicted", ax=axs[1]
)
LearningCurveDisplay 现在可用于绘制 learning_curve 的结果。
from sklearn.model_selection import LearningCurveDisplay
_ = LearningCurveDisplay.from_estimator(
hist_no_interact, X, y, cv=5, n_jobs=2, train_sizes=np.linspace(0.1, 1, 5)
)
PartialDependenceDisplay 公开了一个新参数 categorical_features，用于使用条形图和热图显示分类特征的部分依赖性。
from sklearn.datasets import fetch_openml
X, y = fetch_openml(
"titanic", version=1, as_frame=True, return_X_y=True, parser="pandas"
)
X = X.select_dtypes(["number", "category"]).drop(columns=["body"])
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import OrdinalEncoder
categorical_features = ["pclass", "sex", "embarked"]
model = make_pipeline(
ColumnTransformer(
transformers=[("cat", OrdinalEncoder(), categorical_features)],
remainder="passthrough",
),
HistGradientBoostingRegressor(random_state=0),
).fit(X, y)
from sklearn.inspection import PartialDependenceDisplay
fig, ax = plt.subplots(figsize=(14, 4), constrained_layout=True)
_ = PartialDependenceDisplay.from_estimator(
model,
X,
features=["age", "sex", ("pclass", "sex")],
categorical_features=categorical_features,
ax=ax,
)
fetch_openml 中更快的解析器#
fetch_openml 现在支持新的 "pandas" 解析器，该解析器具有更高的内存和 CPU 效率。在 v1.4 中，默认值将更改为 parser="auto"，它将自动对密集数据使用 "pandas" 解析器，对稀疏数据使用 "liac-arff" 解析器。
X, y = fetch_openml(
"titanic", version=1, as_frame=True, return_X_y=True, parser="pandas"
)
X.head()
LinearDiscriminantAnalysis 中的实验性 Array API 支持#
LinearDiscriminantAnalysis 添加了对 Array API 规范的实验性支持。该估计器现在可以在任何符合 Array API 的库上运行，例如 CuPy，一个 GPU 加速的数组库。有关详细信息，请参阅用户指南。
许多估计器的效率提高#
在版本 1.1 中，许多依赖于成对距离计算的估计器（主要是与聚类、流形学习和邻域搜索算法相关的估计器）对于 float64 密集输入进行了大幅改进。效率改进尤其是内存占用减少和在多核机器上更好的可扩展性。在版本 1.2 中，这些估计器在 float32 和 float64 数据集上对密集和稀疏输入的所有组合进行了进一步改进，除了欧几里得距离和平方欧几里得距离指标的稀疏-密集和密集-稀疏组合。受影响估计器的详细列表可在更新日志中找到。
脚本总运行时间： (0 minutes 5.676 seconds)
相关示例
