版本 0.14

版本 0.14

2013年8月7日

变更日志

• 可以使用转换器preprocessing.Imputer（由Nicolas Trésegnie贡献）对稀疏和密集矩阵中的缺失值进行插补。

• 决策树的核心实现已从头开始重写，从而在所有基于树的估计器中实现更快的树归纳和更低的内存消耗。由Gilles Louppe贡献。

• 添加了ensemble.AdaBoostClassifier和ensemble.AdaBoostRegressor，由Noel Dawe和Gilles Louppe贡献。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贡献。

• 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）和评分指标（sklearn.metrics.consensus_score）。由Kemal Eren贡献。

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

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

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

• 修复了sklearn.linear_model.stochastic_gradient.py的L2正则化问题（实际意义较小）。由Norbert Crombach和Mathieu Blondel贡献。

• 在文档中添加了Andreas Müller的机器学习速查表（适用于scikit-learn）的交互式版本。请参阅选择合适的估计器。由Jaques Grobler贡献。

• 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scoring参数：定义模型评估规则。由Andreas Müller和Lars Buitinck贡献。将sklearn.metrics中的函数作为score_func传递已弃用。

• 多标签分类输出现在受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贡献。

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

• Jochen Wersdörfer和Roman Sinayev改进了feature_extraction.text.CountVectorizer和feature_extraction.text.TfidfVectorizer的速度和内存使用。

• feature_extraction.text.CountVectorizer和feature_extraction.text.TfidfVectorizer中的min_df参数，以前默认为2，现已重置为1，以避免初学者在处理小型文档集时出现意外情况（空词汇表）。但在实际应用中，仍然建议使用至少2的值。

• svm.LinearSVC、linear_model.SGDClassifier和linear_model.SGDRegressor现在具有sparsify方法，该方法可将其coef_转换为稀疏矩阵，这意味着使用这些估计器训练的已存储模型可以变得更加紧凑。

• 当linear_model.SGDClassifier在对数损失或修正Huber损失下训练时，现在会生成多类别概率估计。

• Martin Luessi在网站上的示例代码中添加了指向文档的超链接。

• Andreas Müller修复了preprocessing.MinMaxScaler中的一个错误，该错误会导致在非默认feature_range设置下特征缩放不正确。

• tree.DecisionTreeClassifier、tree.DecisionTreeRegressor和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。

• Nelle Varoquaux改进了isotonic.IsotonicRegression的性能。

• Arnaud Joly添加了metrics.accuracy_score 的normalize选项，可以返回正确分类样本的比例或数量。

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

• 修复了导致ensemble.AdaBoostClassifier输出概率不正确的错误。

• 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。

• 现在通常可以对拟合的grid_search.GridSearchCV或grid_search.RandomizedSearchCV进行pickle操作。由Joel Nothman完成。

• Joel Nothman重构并向量化了metrics.roc_curve和metrics.precision_recall_curve的实现。

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

• 添加了关于文本数据核心外学习的独立示例文本文档的核外分类。由Eustache Diemert完成。

• sklearn.decomposition.RandomizedPCA的默认组件数量现在已正确记录为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现在在稀疏数据上的拟合速度快了好几个数量级（加速取决于稀疏性）。由Lars Buitinck完成。

• Denis Engemann和Alexandre Gramfort减少了FastICA的内存占用。

• sklearn.ensemble.gradient_boosting中的详细输出现在使用列格式，并降低打印进度的频率。它还会显示剩余时间。作者：Peter Prettenhofer。

• sklearn.ensemble.gradient_boosting提供袋外改进值oob_improvement_，而不是袋外评分用于模型选择。添加了一个示例，展示如何使用袋外估计来选择树的数量。作者：Peter Prettenhofer。

• 现在，大多数指标都支持多类分类的字符串标签。作者：Arnaud Joly 和 Lars Buitinck。

• 新的OrthogonalMatchingPursuitCV类。作者：Alexandre Gramfort 和 Vlad Niculae。

• 修复了sklearn.covariance.GraphLassoCV中的一个错误：现在，当给出值列表时，'alphas'参数按预期工作。作者：Philippe Gervais。

• 修复了sklearn.covariance.GraphLassoCV中一个重要的错误，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，当提供CV对象时，与以前的版本相比，执行时间可能会大大增加（错误结果现在是正确的）。作者：Philippe Gervais。

• cross_validation.cross_val_score和grid_search模块现在已通过多输出数据测试。作者：Arnaud Joly。

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

• K近邻算法，neighbors.KNeighborsRegressor和neighbors.RadiusNeighborsRegressor，以及半径近邻算法，neighbors.RadiusNeighborsRegressor和neighbors.RadiusNeighborsClassifier支持多输出数据。作者：Arnaud Joly。

• 现在可以控制基于LibSVM的估计器（svm.SVC，svm.NuSVC，svm.OneClassSVM，svm.SVR，svm.NuSVR）中的随机状态。这对于确保使用probability=True训练的分类器的概率估计的一致性非常有用。作者：Vlad Niculae。

• 通过添加partial_fit方法，为离散朴素贝叶斯分类器sklearn.naive_bayes.MultinomialNB和sklearn.naive_bayes.BernoulliNB添加了out-of-core学习支持。作者：Olivier Grisel。

• 新的网站设计和导航。作者：Gilles Louppe，Nelle Varoquaux，Vincent Michel和Andreas Müller。

• 改进了关于多类、多标签和多输出分类的文档。作者：Yannick Schwartz和Arnaud Joly。

• 改进了sklearn.metrics模块的输入和错误处理。作者：Arnaud Joly和Joel Nothman。

• 优化了hmm模块的速度。作者：Mikhail Korobov

• 显著提高了sklearn.cluster.DBSCAN的速度。作者：cleverless

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。请使用命令行中的nosetests sklearn。

• tree.DecisionTreeClassifier、tree.DecisionTreeRegressor和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。作者：Gilles Louppe。

• linear_model.lasso_path和linear_model.enet_path可以返回与其结果相同的格式linear_model.lars_path。这是通过将return_models参数设置为False来完成的。作者：Jaques Grobler和Alexandre Gramfort

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

• 修复了KFold中的一个bug，该bug在某些情况下会导致类不平衡。由Alexandre Gramfort和Tadej Janež完成。

• 已重构sklearn.neighbors.BallTree，并添加了具有相同接口的sklearn.neighbors.KDTree。球树现在可以与各种距离度量一起使用。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，例如核密度估计和二点相关函数。由Jake Vanderplas完成。

• 已移除对邻居查询中scipy.spatial.cKDTree的支持，并用新的sklearn.neighbors.KDTree类替换了其功能。

• 已添加sklearn.neighbors.KernelDensity，它使用各种核进行高效的核密度估计。

• sklearn.decomposition.KernelPCA现在始终返回具有n_components个分量的输出，除非将新的参数remove_zero_eig设置为True。此新行为与始终记录的核PCA方式一致；以前，对所有数据都隐式地执行了具有零特征值的成分的移除。

• 在sklearn.linear_model.RidgeCV中，gcv_mode="auto"不再尝试对密集稀疏矩阵执行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现在强制执行n_folds >= 2，否则将引发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中的属性已弃用（copy_X，Gram，…）并且为了保持一致性，precompute_gram已重命名为precompute。参见 #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现在具有decision_function方法。只要基础估计器实现了decision_function方法，这将返回每个样本到每个类的决策边界的距离。由Kyle Kastner完成。

• 更好的输入验证，针对y的意外形状发出警告。

人员

按提交次数列出的 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