Version 0.14

Version 0.14

August 7, 2013

更新日志

• 缺失值（包括稀疏和密集矩阵）可以使用 preprocessing.Imputer 转换器进行填充，由 Nicolas Trésegnie 完成。

• 核心的决策树实现已经从头重写，使得所有基于树的估计器都能更快地进行树归纳并降低内存消耗。由 Gilles Louppe 完成。

• 添加了 ensemble.AdaBoostClassifier 和 ensemble.AdaBoostRegressor，由 Noel Dawe 和 Gilles Louppe 完成。有关详细信息和示例，请参阅用户指南的 AdaBoost 部分。

• 添加了 grid_search.RandomizedSearchCV 和 grid_search.ParameterSampler 用于随机超参数优化。由 Andreas Müller 完成。

• 添加了 双聚类 算法（sklearn.cluster.bicluster.SpectralCoclustering 和 sklearn.cluster.bicluster.SpectralBiclustering）、数据生成方法（sklearn.datasets.make_biclusters 和 sklearn.datasets.make_checkerboard）以及评分指标（sklearn.metrics.consensus_score）。由 Kemal Eren 完成。

• 添加了 受限玻尔兹曼机（neural_network.BernoulliRBM）。由 Yann Dauphin 完成。

• Python 3 支持由 Justin Vincent、Lars Buitinck、Subhodeep Moitra 和 Olivier Grisel 完成。所有测试现在都在 Python 3.3 下通过。

• linear_model.Ridge 能够为每个目标传递一个惩罚项（alpha 值），由 @eickenberg 和 Mathieu Blondel 完成。

• 修复了 sklearn.linear_model.stochastic_gradient.py L2 正则化问题（实际意义不大）。由 Norbert Crombach 和 Mathieu Blondel 完成。

• 添加了 Andreas Müller 的 机器学习备忘单（针对 scikit-learn）的交互式版本到文档中。请参阅 选择合适的估计器。由 Jaques Grobler 完成。

• grid_search.GridSearchCV 和 cross_validation.cross_val_score 现在支持使用高级评分函数，例如 ROC 曲线下面积和 f-beta 分数。有关详细信息，请参阅 评分参数：定义模型评估规则。由 Andreas Müller 和 Lars Buitinck 完成。将 sklearn.metrics 中的函数作为 score_func 传递已被弃用。

• 多标签分类输出现在由 metrics.accuracy_score、metrics.zero_one_loss、metrics.f1_score、metrics.fbeta_score、metrics.classification_report、metrics.precision_score 和 metrics.recall_score 支持，由 Arnaud Joly 完成。

• 添加了两个新的指标 metrics.hamming_loss 和 metrics.jaccard_similarity_score，并支持多标签，由 Arnaud Joly 完成。

• feature_extraction.text.CountVectorizer 和 feature_extraction.text.TfidfVectorizer 的速度和内存使用得到了改进，由 Jochen Wersdörfer 和 Roman Sinayev 完成。

• feature_extraction.text.CountVectorizer 和 feature_extraction.text.TfidfVectorizer 中的 min_df 参数以前是 2，现在已重置为 1，以避免新手用户在小型文档集合上尝试时出现不愉快的意外（空词汇表）。对于实际使用，仍建议使用至少为 2 的值。

• svm.LinearSVC、linear_model.SGDClassifier 和 linear_model.SGDRegressor 现在有一个 sparsify 方法，可以将它们的 coef_ 转换为稀疏矩阵，这意味着使用这些估计器训练的存储模型可以变得更加紧凑。

• linear_model.SGDClassifier 现在在 log loss 或 modified Huber loss 下训练时会生成多分类概率估计。

• 网站上示例代码中指向文档的超链接由 Martin Luessi 完成。

• 修复了 preprocessing.MinMaxScaler 中的一个错误，该错误导致非默认 feature_range 设置下的特征缩放不正确。由 Andreas Müller 完成。

• tree.DecisionTreeClassifier、tree.DecisionTreeRegressor 以及所有派生的集成估计器中的 max_features 现在支持百分比值。由 Gilles Louppe 完成。

• isotonic.IsotonicRegression 的性能改进由 Nelle Varoquaux 完成。

• metrics.accuracy_score 有一个 normalize 选项，可以返回正确分类样本的比例或数量，由 Arnaud Joly 完成。

• 添加了 metrics.log_loss，用于计算 log loss，也称为交叉熵损失。由 Jochen Wersdörfer 和 Lars Buitinck 完成。

• 修复了一个导致 ensemble.AdaBoostClassifier 输出不正确概率的错误。

• 特征选择器现在共享一个 mixin，提供一致的 transform、inverse_transform 和 get_support 方法。由 Joel Nothman 完成。

• 拟合后的 grid_search.GridSearchCV 或 grid_search.RandomizedSearchCV 现在通常可以被 pickle。由 Joel Nothman 完成。

• metrics.roc_curve 和 metrics.precision_recall_curve 的重构和向量化实现。由 Joel Nothman 完成。

• 新的估计器 sklearn.decomposition.TruncatedSVD 使用稀疏矩阵上的 SVD 执行降维，可用于潜在语义分析 (LSA)。由 Lars Buitinck 完成。

• 添加了文本数据核外学习的独立示例 Out-of-core classification of text documents。由 Eustache Diemert 完成。

• sklearn.decomposition.RandomizedPCA 的默认组件数现在已正确记录为 n_features。这是默认行为，因此使用它的程序将继续像以前一样工作。

• sklearn.cluster.KMeans 现在在稀疏数据上拟合速度快了几个数量级（加速取决于稀疏性）。由 Lars Buitinck 完成。

• FastICA 的内存占用减少了，由 Denis Engemann 和 Alexandre Gramfort 完成。

• sklearn.ensemble.gradient_boosting 中的详细输出现在使用列格式，并以递减的频率打印进度。它还会显示剩余时间。由 Peter Prettenhofer 完成。

• sklearn.ensemble.gradient_boosting 提供了袋外改进 oob_improvement_，而不是用于模型选择的 OOB 分数。添加了一个示例，展示如何使用 OOB 估计来选择树的数量。由 Peter Prettenhofer 完成。

• 大多数指标现在支持多分类的字符串标签，由 Arnaud Joly 和 Lars Buitinck 完成。

• 新的 OrthogonalMatchingPursuitCV 类由 Alexandre Gramfort 和 Vlad Niculae 完成。

• 修复了 sklearn.covariance.GraphLassoCV 中的一个错误：当给定值列表时，'alphas' 参数现在按预期工作。由 Philippe Gervais 完成。

• 修复了 sklearn.covariance.GraphLassoCV 中的一个重要错误，该错误阻止了使用 CV 对象提供的所有折叠（仅使用了前 3 个）。因此，与以前的版本相比，提供 CV 对象时执行时间可能会显着增加（现在错误结果是正确的）。由 Philippe Gervais 完成。

• cross_validation.cross_val_score 和 grid_search 模块现在通过多输出数据进行了测试，由 Arnaud Joly 完成。

• datasets.make_multilabel_classification 现在可以以标签指示器多标签格式返回输出，由 Arnaud Joly 完成。

• K 近邻（neighbors.KNeighborsRegressor 和 neighbors.RadiusNeighborsRegressor）和半径近邻（neighbors.RadiusNeighborsRegressor 和 neighbors.RadiusNeighborsClassifier）支持多输出数据，由 Arnaud Joly 完成。

• 基于 LibSVM 的估计器（svm.SVC、svm.NuSVC、svm.OneClassSVM、svm.SVR、svm.NuSVR）的随机状态现在可以控制。这对于确保使用 probability=True 训练的分类器的概率估计一致性非常有用。由 Vlad Niculae 完成。

• 通过添加 partial_fit 方法，离散朴素贝叶斯分类器 sklearn.naive_bayes.MultinomialNB 和 sklearn.naive_bayes.BernoulliNB 支持核外学习，由 Olivier Grisel 完成。

• 新的网站设计和导航由 Gilles Louppe、Nelle Varoquaux、Vincent Michel 和 Andreas Müller 完成。

• 关于 多类别、多标签和多输出分类 的文档得到了改进，由 Yannick Schwartz 和 Arnaud Joly 完成。

• sklearn.metrics 模块中的输入和错误处理得到了改进，由 Arnaud Joly 和 Joel Nothman 完成。

• hmm 模块的速度优化由 Mikhail Korobov 完成。

• sklearn.cluster.DBSCAN 的显著速度改进由 cleverless 完成。

API 更改摘要

• auc_score 已重命名为 metrics.roc_auc_score。

• 使用 sklearn.test() 测试 scikit-learn 已弃用。请在命令行使用 nosetests sklearn。

• tree.DecisionTreeClassifier、tree.DecisionTreeRegressor 以及所有派生的集成估计器中的特征重要性现在在访问 feature_importances_ 属性时动态计算。不再需要设置 compute_importances=True。由 Gilles Louppe 完成。

• linear_model.lasso_path 和 linear_model.enet_path 可以返回与 linear_model.lars_path 相同格式的结果。这通过将 return_models 参数设置为 False 来实现。由 Jaques Grobler 和 Alexandre Gramfort 完成。

• grid_search.IterGrid 已重命名为 grid_search.ParameterGrid。

• 修复了 KFold 中的一个错误，该错误在某些情况下会导致类平衡不完美。由 Alexandre Gramfort 和 Tadej Janež 完成。

• sklearn.neighbors.BallTree 已重构，并添加了一个具有相同接口的 sklearn.neighbors.KDTree。Ball Tree 现在支持各种距离指标。这两个类都有许多新方法，包括单树和双树查询、广度优先和深度优先搜索以及更高级的查询，例如核密度估计和两点相关函数。由 Jake Vanderplas 完成。

• 已删除对 neighbors 查询中 scipy.spatial.cKDTree 的支持，其功能由新的 sklearn.neighbors.KDTree 类取代。

• 添加了 sklearn.neighbors.KernelDensity，它使用各种核高效地执行核密度估计。

• sklearn.decomposition.KernelPCA 现在始终返回具有 n_components 组件的输出，除非新参数 remove_zero_eig 设置为 True。这种新行为与核 PCA 始终在文档中描述的方式一致；以前，零特征值组件的移除是在所有数据上默默执行的。

• sklearn.linear_model.RidgeCV 中的 gcv_mode="auto" 不再尝试在密集化的稀疏矩阵上执行 SVD。

• sklearn.decomposition.RandomizedPCA 中的稀疏矩阵支持现已弃用，取而代之的是新的 TruncatedSVD。

• cross_validation.KFold 和 cross_validation.StratifiedKFold 现在强制要求 n_folds >= 2，否则会引发 ValueError。由 Olivier Grisel 完成。

• datasets.load_files 的 charset 和 charset_errors 参数已重命名为 encoding 和 decode_errors。

• sklearn.ensemble.GradientBoostingRegressor 和 sklearn.ensemble.GradientBoostingClassifier 中的属性 oob_score_ 已弃用，并已替换为 oob_improvement_。

• OrthogonalMatchingPursuit 中的属性（copy_X、Gram 等）已弃用，precompute_gram 已重命名为 precompute 以保持一致性。请参阅 #2224。

• sklearn.preprocessing.StandardScaler 现在将整数输入转换为浮点数，并发出警告。以前，它会对密集整数输入进行四舍五入。

• sklearn.multiclass.OneVsRestClassifier 现在有一个 decision_function 方法。只要底层估计器实现了 decision_function 方法，它就会返回每个样本到每个类别的决策边界的距离。由 Kyle Kastner 完成。

• 更好的输入验证，对 y 的意外形状发出警告。

贡献者

按提交次数排列的 0.14 版本贡献者列表。

• 277 Gilles Louppe

• 245 Lars Buitinck

• 187 Andreas Mueller

• 124 Arnaud Joly

• 112 Jaques Grobler

• 109 Gael Varoquaux

• 107 Olivier Grisel

• 102 Noel Dawe

• 99 Kemal Eren

• 79 Joel Nothman

• 75 Jake VanderPlas

• 73 Nelle Varoquaux

• 71 Vlad Niculae

• 65 Peter Prettenhofer

• 64 Alexandre Gramfort

• 54 Mathieu Blondel

• 38 Nicolas Trésegnie

• 35 eustache

• 27 Denis Engemann

• 25 Yann N. Dauphin

• 19 Justin Vincent

• 17 Robert Layton

• 15 Doug Coleman

• 14 Michael Eickenberg

• 13 Robert Marchman

• 11 Fabian Pedregosa

• 11 Philippe Gervais

• 10 Jim Holmström

• 10 Tadej Janež

• 10 syhw

• 9 Mikhail Korobov

• 9 Steven De Gryze

• 8 sergeyf

• 7 Ben Root

• 7 Hrishikesh Huilgolkar

• 6 Kyle Kastner

• 6 Martin Luessi

• 6 Rob Speer

• 5 Federico Vaggi

• 5 Raul Garreta

• 5 Rob Zinkov

• 4 Ken Geis

• 3 A. Flaxman

• 3 Denton Cockburn

• 3 Dougal Sutherland

• 3 Ian Ozsvald

• 3 Johannes Schönberger

• 3 Robert McGibbon

• 3 Roman Sinayev

• 3 Szabo Roland

• 2 Diego Molla

• 2 Imran Haque

• 2 Jochen Wersdörfer

• 2 Sergey Karayev

• 2 Yannick Schwartz

• 2 jamestwebber

• 1 Abhijeet Kolhe

• 1 Alexander Fabisch

• 1 Bastiaan van den Berg

• 1 Benjamin Peterson

• 1 Daniel Velkov

• 1 Fazlul Shahriar

• 1 Felix Brockherde

• 1 Félix-Antoine Fortin

• 1 Harikrishnan S

• 1 Jack Hale

• 1 JakeMick

• 1 James McDermott

• 1 John Benediktsson

• 1 John Zwinck

• 1 Joshua Vredevoogd

• 1 Justin Pati

• 1 Kevin Hughes

• 1 Kyle Kelley

• 1 Matthias Ekman

• 1 Miroslav Shubernetskiy

• 1 Naoki Orii

• 1 Norbert Crombach

• 1 Rafael Cunha de Almeida

• 1 Rolando Espinoza La fuente

• 1 Seamus Abshere

• 1 Sergey Feldman

• 1 Sergio Medina

• 1 Stefano Lattarini

• 1 Steve Koch

• 1 Sturla Molden

• 1 Thomas Jarosch

• 1 Yaroslav Halchenko