Versión 0.18.2

20 de junio de 2017

Última versión con soporte de Python 2.6

Scikit-learn 0.18 es la última versión importante de scikit-learn para soportar Python 2.6. Más adelante las versiones posteriores de scikit-learn requerirán Python 2.7 o superior.

Registro de cambios

• Correcciones por compatibilidad con NumPy 1.13.0: #7946 #8355 por Loic Esteve.

• Cambios menores de compatibilidad en los ejemplos #9010 #8040 #9149.

Contribuyentes de código

Aman Dalmia, Loic Esteve, Nate Guerin, Sergei Lebedev

Versión 0.18.1

11 de noviembre de 2016

Registro de cambios

Mejoras (Enhancements)

• Se mejoró la velocidad sample_without_replacement mediante la utilización de numpy.random.permutation para la mayoría de los casos. Como resultado, las muestras pueden diferir en esta versión para un estado aleatorio fijo. Estimadores afectados:

  • ensemble.BaggingClassifier

  • ensemble.BaggingRegressor

  • linear_model.RANSACRegressor

  • model_selection.RandomizedSearchCV

  • random_projection.SparseRandomProjection

  Esto también afecta al método datasets.make_classification.

Corrección de errores

• Corregir el problema donde los parámetros min_grad_norm y n_iter_without_progress no estaban siendo utilizados por manifold.TSNE. #6497 por Sebastian Säger

• Corregir error para los valores de decisión de svm cuando decision_function_shape es ovr en svm.SVC. La función de decisión de svm.SVC fue incorrecta desde las versiones 0.17.0 hasta 0.18.0. #7724 por Bing Tian Dai

• Atributo explained_variance_ratio de discriminant_analysis.LinearDiscriminantAnalysis calculado con SVD y solucionador Eigen son ahora de la misma longitud. #7632 por JPFrancoia

• Corrige el problema en Selección de características univariantes donde las funciones de puntuación no aceptaron objetivos multi-etiqueta. #7676 por Mohammed Affan

• Se corrigieron los parámetros de configuración al llamar a fit varias veces en feature_selection.SelectFromModel. #7756 por Andreas Müller

• Corrige el problema en el método partial_fit de multiclase.OneVsRestClassifier cuando el número de clases usadas en partial_fit era menor que el número total de clases en los datos. #7786 por Srivatsan Ramesh

• Corregir problema en calibration.CalibratedClassifierCV donde la suma de probabilidades de cada clase para un dato no era 1, y CalibratedClassifierCV ahora maneja el caso en el que el conjunto de entrenamiento tiene menos número de clases que el total de datos. #7799 por Srivatsan Ramesh

• Corregir un error donde sklearn.feature_selection.SelectFdr no implementó exactamente el procedimiento Benjamini-Hochberg. Anteriormente puede haber seleccionado menos características de las que debería. #7490 por Peng Meng.

• sklearn.manifold.LocallyLinearEmbedding ahora maneja correctamente las entradas enteras. #6282 por Jake Vanderplas.

• El parámetro min_weight_fraction_leaf de los clasificadores basados en árboles y regresores ahora asume pesos de muestra uniformes por defecto si el argumento sample_weight no se pasa a la función fit. Antes, el parámetro fue ignorado silenciosamente. #7301 por Nelson Liu.

• Problema numérico con linear_model.RidgeCV en datos centrados cuando n_features > n_samples. #6178 por Bertrand Thirion

• La clonación/picking de las clases con criterio de división del árbol es ahora segura para la memoria #7680 por Ibraim Ganiev.

• Se ha corregido un error donde decomposition.NMF establece su atributo n_iters_ en transform(). #7553 por Ekaterina Krivich.

• sklearn.linear_model.LogisticRegressionCV ahora maneja correctamente las etiquetas de cadena. #5874 por Raghav RV.

• Se ha corregido un error donde sklearn.model_selection.train_test_split planteó un error cuando stratify es una lista de etiquetas de cadenas. #7593 por Raghav RV.

• Se ha corregido un error donde sklearn.model_selection.GridSearchCV y sklearn.model_selection.RandomizedSearchCV no eran pickleable debido a un error de pickling en np.ma.MaskedArray. #7594 por Raghav RV.

• Todas las utilidades de validación cruzada en sklearn.model_selection ahora permiten una vez separadores de validación cruzada para el parámetro cv. También los separadores de validación cruzada no deterministas (donde múltiples llamadas a split producen divisiones disímiles) pueden utilizarse como parámetro cv. La sklearn.model_selection.GridSearchCV realizará una validación cruzada de cada parámetro en la división producida por la primera llamada split al divisor de validación cruzada. #7660 por Raghav RV.

• Corregir error donde preprocessing.MultiLabelBinarizer.fit_transform devolvió una matriz CSR inválida. #7750 por CJ Carey.

• Se ha corregido un error donde metrics.pairwise.cosine_distances podía devolver una pequeña distancia negativa. #7732 por Artsion.

Resumen de cambios en la API

Árboles y bosques

• El parámetro min_weight_fraction_leaf de los clasificadores basados en árboles y regresores ahora asume pesos de muestra uniformes por defecto si el argumento sample_weight no se pasa a la función fit. Antes, el parámetro fue ignorado silenciosamente. #7301 por Nelson Liu.

• La clonación/picking de las clases con criterio de división del árbol es ahora segura para la memoria #7680 por Ibraim Ganiev.

Modelos lineales, kernelizados y relacionados

• La longitud de explained_variance_ratio de discriminant_analysis.LinearDiscriminantAnalysis cambió tanto para los solucionadores Eigen como SVD. El atributo tiene ahora una longitud de min(n_components, n_classes - 1). :issue:`7632 por JPFrancoia

• Problema numérico con linear_model.RidgeCV en datos centrados cuando n_features > n_samples. #6178 por Bertrand Thirion

Versión 0.18

28 de septiembre de 2016

Última versión con soporte de Python 2.6

Scikit-learn 0.18 es la última versión importante de scikit-learn para soportar Python 2.6. Más adelante las versiones posteriores de scikit-learn requerirán Python 2.7 o superior.

Mejoras de selección de modelos y cambios de API

• El módulo model_selection

  El nuevo módulo sklearn.model_selection, que agrupa las funcionalidades de los antiguos sklearn.cross_validation, sklearn.grid_search y sklearn.learning_curve, introduce nuevas posibilidades como la validación cruzada anidada y una mejor manipulación de las búsquedas de parámetros con Pandas.

  Muchas cosas permanecerán iguales, pero hay algunas diferencias clave. Lee a continuación para saber más sobre los cambios.

• Separadores de CV independientes de datos que permiten validación cruzada anidada

  Los nuevos separadores de validación cruzada, definidos en el sklearn.model_selection, ya no son inicializados con ningún parámetro dependiente de datos como y. En su lugar, exponen un método split que toma los datos y produce un generador para las diferentes divisiones.

  Este cambio hace posible usar los separadores de validación cruzada para realizar validaciones cruzadas anidadas, facilitadas por model_selection.GridSearchCV y utilidades model_selection.RandomizedSearchCV.

• El atributo cv_results_ mejorado

  El nuevo atributo cv_results_ (de model_selection.GridSearchCV y model_selection.RandomizedSearchCV) introducido en lugar del atributo grid_scores_ es un diccionario de arreglos 1D con elementos en cada arreglo correspondientes a las configuraciones de los parámetros (es decir, los candidatos a la búsqueda).

  El dictado cv_results_ puede ser fácilmente importado en pandas como un DataFrame para explorar los resultados de búsqueda.

  Los arreglos cv_results_ también incluyen las puntuaciones de entrenamiento para cada división de validación cruzada (con claves como 'split0_train_score'), así como su media ('mean_train_score') y desviación estándar ('std_train_score'). Para evitar el costo de evaluar la puntuación de entrenamiento, establezca return_train_score=False.

  Los rangos para los candidatos de búsqueda (basados en su puntuación de validación cruzada) están disponibles en cv_results_['rank_test_score'].

  Los valores de parámetro para cada parámetro se almacenan por separado como matrices numpy de objetos enmascarados. El valor, para ese candidato de búsqueda, se enmascarará si el parámetro correspondiente no es aplicable. Además, una lista de todos los diccionarios de parámetro se almacenan en cv_results_['params'].

• Parámetros n_folds y n_iter renombrados a n_splits

  Algunos nombres de parámetros han cambiado: El parámetro n_folds en el nuevo model_selection.KFold, model_selection.GroupKFold (ver abajo para el cambio de nombre), y model_selection.StratifiedKFold ahora se renombra a n_splits. El parámetro n_iter en model_selection.ShuffleSplit, la nueva clase model_selection.GroupShuffleSplit y model_selection.StratifiedShuffleSplit ahora se renombra a n_splits.

• Renombrar las clases separadoras que aceptan etiquetas de grupo junto con los datos

  Los separadores de validación cruzada LabelKFold, LabelShuffleSplit, LeaveOneLabelOut y LeavePLabelOut han sido renombrados a model_selection.GroupKFold, model_selection.GroupShuffleSplit, model_selection.LeaveOneGroupOut y model_selection.LeavePGroupsOut respectivamente.

  Ten en cuenta el cambio de forma singular a plural en model_selection.LeavePGroupsOut.

• Ajustar etiquetas de parámetro renombradas a grupos

  El parámetro labels en el método split del recién renombrado separadores model_selection.GroupKFold, model_selection.LeaveOneGroupOut, model_selection.LeavePGroupsOut, model_selection.GroupShuffleSplit se renombra a groups siguiendo la nueva nomenclatura de sus nombres de clase.

• Parámetro n_labels renombrado a n_groups

  El parámetro n_labels en el recientemente renombrado model_selection.LeavePGroupsOut se cambia a n_groups.

• Puntuaciones de entrenamiento e información sobre los tiempos

  cv_results_ también incluye las puntuaciones de entrenamiento para cada división de validación cruzada (con claves como 'split0_train_score'), así como su media ('mean_train_score') y desviación estándar ('std_train_score'). Para evitar el costo de evaluar la puntuación de entrenamiento, establezca return_train_score=False.

  Adicionalmente la media y desviación estándar de los tiempos tomados para dividir, entrenar y puntuar el modelo en todas las divisiones de validación cruzada está disponible en la clave 'mean_time' y ``”std_time”` respectivamente.

Registro de cambios

Nuevas características

Clasificadores y Regresores

• El módulo Gaussian Process ha sido reimplementado y ahora ofrece estimadores de clasificación y regresión a través de gaussian_process.GaussianProcessClassifier y gaussian_process.GaussianProcessRegressor. Entre otras cosas, la nueva implementación soporta la ingeniería del núcleo, la optimización de parámetros hiperatorios basados en degradados o la muestreo de funciones de GP anterior y GP posterior. Se proporcionan extensos ejemplos y documentación por Jan Hendrik Metzen.

• Se añadió un nuevo algoritmo de aprendizaje supervisado: Multi-layer Perceptron #3204 por Issam H. Laradji

• Se añadió linear_model.HuberRegressor, un modelo lineal robusto a los atolladeros. #5291 por Manoj Kumar.

• Se añadió el metaestimador multioutput.MultiOutputRegressor. Convierte regresores de salida individuales a regresores multi-salida al ajustar un regresor por salida. Por Tim Head.

Otros Estimadores

• Nuevo mixture.GaussianMixture y mixture.BayesianGaussianMixture reemplazan modelos de mezcla anteriores, empleando una inferencia más rápida para resultados más altos. #7295 por Wei Xue y Thierry Guillemot.

• La clase decomposition.RandomizedPCA ahora está factorizada en decomposition.PCA y está disponible para llamar con el parámetro svd_solver='randomized'. El número predeterminado de n_iter para 'randomized' ha cambiado a 4. El comportamiento antiguo de PCA es recuperado por svd_solver='full'. Un solucionador adicional llama a arpack y realiza truncado (no aleatorio) SVD. Por defecto, el mejor solucionador se selecciona en función del tamaño de la entrada y del número de componentes solicitados. #5299 por Giorgio Patrini.

• Se añadieron dos funciones para estimación de información mutua: feature_selection.mutual_info_classif y feature_selection.mutual_info_regression. Estas funciones pueden utilizarse en feature_selection.SelectKBest y feature_selection.SelectPercentile como funciones de puntuación. Por Andrea Bravi y Nikolay Mayorov.

• Se añadió la clase ensemble.IsolationForest para detección de anomalías basada en bosques aleatorios. Por Nicolas Goix.

• Se añadió algorithm="elkan" a cluster.KMeans implementando el algoritmo de K-Means de Elkan. Por Andreas Müller.

Selección y evaluación del modelo

• Se añadió metrics.cluster.fowlkes_mallows_score, el Índice Fowlkes Mallows que mide la similitud de dos agrupaciones de un conjunto de puntos Por Arnaud Fouchet y Thierry Guillemot.

• Se añadió metrics.calinski_harabaz_score, que calcula la puntuación Calinski y Harabaz para evaluar el conjunto resultante de un conjunto de puntos. Por Arnaud Fouchet y Thierry Guillemot.

• Se añadió el nuevo separador de validación cruzada model_selection.TimeSeriesSplit para manejar los datos de la serie de tiempo. #6586 por YenChen Lin

• Los iteradores de validación cruzada son reemplazados por separadores de validación cruzada disponibles desde sklearn.model_selection, permitiendo una validación cruzada anidada. Ver Mejoras de selección de modelos y cambios de API para más información. #4294 por Raghav RV.

Mejoras (Enhancements)

Árboles y ensembles

• Se ha añadido un nuevo criterio de división para tree.DecisionTreeRegressor, el error absoluto promedio. Este criterio también puede utilizarse en conjunto.ExtraTreesRegressor, ensemble.RandomForestRegressor, y los estimadores de potenciación de gradientes. #6667 por Nelson Liu.

• Se añadió un criterio de detención temprana basado en impuridad ponderada para el crecimiento del árbol de decisiones. #6954 por Nelson Liu

• Los estimadores aleatorios de bosques, árboles adicionales y árboles de decisión ahora tienen un método decision_path que devuelve la ruta de decisión de las muestras en el árbol. Por Arnaud Joly.

• Un nuevo ejemplo ha sido añadido desvelando la estructura del árbol de decisiones. Por Arnaud Joly.

• Bosque aleatorio, árboles extra, árboles de decisión y estimador de impulso de gradientes, aceptan el parámetro min_samples_split y min_samples_leaf proporcionado como un porcentaje de las muestras de entrenamiento. Por yelite y Arnaud Joly.

• Los estimadores de gradiente aceptan el parámetro criterion para especificar el criterio de división utilizado en los árboles de decisión construidos. #6667 by Nelson Liu.

• La huella de memoria se reduce (a veces grande) para ensemble.bagging.BaseBagging y las clases que heredan de ella, es decir, ensemble.BaggingClassifier, ensemble. aggingRegressor, y ensemble.IsolationForest, generando dinámicamente el atributo estimators_samples_ sólo cuando es necesario. Por David Staub.

• Se añadieron los parámetros n_jobs y sample_weight para ensemble.VotingClassifier para adaptarse a los estimadores subyacentes en paralelo. #5805 por Ibraim Ganiev.

Modelos lineales, kernelizados y relacionados

• En linear_model.LogisticRegression, el solucionador SAG está ahora disponible en el caso multinomial. #5251 por Tom Dupre la Tour.

• linear_model.RANSACRegressor, svm.LinearSVC y svm.LinearSVR ahora soportan sample_weight. Por Imaculate.

• Añade el parámetro loss a linear_model.RANSACRegressor para medir el error en las muestras para cada prueba. Por Manoj Kumar.

• Predicción de eventos fuera de muestra con Regresión Isotónica (isotonic.IsotonicRegression) es ahora mucho más rápido (más de 1000x en pruebas con datos sintéticos). Por Jonathan Arfa.

• Regresión isotónica (isotonic.IsotonicRegression) ahora usa un mejor algoritmo para evitar el comportamiento de O(n^2) en casos patológicos, y también es generalmente más rápido (##6691). Por Antony Lee.

• naive_bayes.GaussianNB ahora acepta los priors de clase independientes de datos a través del parámetro priors. Por Guillaume Lemaitre.

• linear_model.ElasticNet y linear_model.Lasso ahora funcionan con los datos de entrada np.float32 sin convertirlos en np.float64. Esto permite reducir el consumo de memoria. #6913 por YenChen Lin.

• semi_supervised.LabelPropagation y semi_supervised.LabelSpreading ahora aceptan funciones arbitrarias del núcleo además de cadenas knn y rbf. #5762 de Utkarsh Upadhyay.

Descomposición, aprendizaje múltiple y análisis de conglomerados

• Se añadió la función inverse_transform a decomposition.NMF para calcular la matriz de datos de la forma original. Por Anish Shah.

• cluster.KMeans y cluster.MiniBatchKMeans ahora funcionan con los datos de entrada np.float32 y np.float64 sin convertirlos. Esto permite reducir el consumo de memoria usando np.float32. #6846 por Sebastian Säger y YenChen Lin.

Preprocesamiento y selección de características

• preprocessing.RobustScaler ahora acepta el parámetro quantile_range. #5929 por Konstantin Podshumok.

• feature_extraction.FeatureHasher ahora acepta valores de cadena. #6173 por Ryad Zenine y Devashish Deshpande.

• Ahora se pueden proporcionar argumentos de palabra clave a func en preprocessing.FunctionTransformer mediante el parámetro kw_args. Por Brian McFee.

• feature_selection.SelectKBest y feature_selection.SelectPercentile ahora acepta funciones de puntuación que toman X, y retornan solo las puntuaciones. Por Nikolay Mayorov.

Evaluación del modelo y metaestimadores

• multiclass.OneVsOneClassifier y multiclass.OneVsRestClassifier ahora soportan partial_fit. Por Asish Panda y Philipp Bajando.

• Se añadió soporte para sustituir o desactivar los componentes pipeline.Pipeline y pipeline.FeatureUnion usando la interfaz set_params que potencia sklearn.grid_search. Ver Selección de la reducción de la dimensionalidad con Pipeline y GridSearchCV por Joel Nothman y Robert McGibbon.

• El nuevo atributo cv_results_ de model_selection.GridSearchCV (y model_selection.RandomizedSearchCV) se puede importar fácilmente en pandas como un DataFrame. Consulta Mejoras de selección de modelos y cambios de API para más información. #6697 por Raghav RV.

• Generalización de model_selection.cross_val_predict. Uno puede pasar nombres de métodos como predict_proba para ser usado en el marco de validación cruzada en lugar del “predict” predeterminado. Por Ori Ziv y Sears Merritt.

• Las puntuaciones de entrenamiento y el tiempo tomado para el entrenamiento seguido de puntuación para cada candidato de búsqueda están ahora disponibles en el dictado cv_results_. Vea Mejoras de selección de modelos y cambios de API para más información. #7325 por Eugene Chen y Raghav RV.

Métricas

• Se añadió la bandera labels a metrics.log_loss para proporcionar explícitamente las etiquetas cuando el número de clases en y_true y y_pred difieren. #7239 por Hong Guangguo con la ayuda de Mads Jensen y Nelson Liu.

• Soporta matrices de contingencia dispersas en la evaluación de cluster (metrics.cluster.supervised) para escalar a un gran número de clusters. #7419 por Gregory Stupp y Joel Nothman.

• Añade el parámetro sample_weight a metrics.matthews_corrcoef. Por Jatin Shah y Raghav RV.

• Acelera metrics.silhouette_score usando operaciones vectorizadas. Por Manoj Kumar.

• Agrega el parámetro sample_weight a metrics.confusion_matrix y :user:``. Por Jatin Shah <DanielSidhion>.

Varios

• Se añadió el parámetro n_jobs a feature_selection.RFECV para calcular la puntuación en los pliegues de prueba en paralelo. Por Manoj Kumar

• El código base no contiene archivos generados por cython C/C++: se generan durante la compilación. Los paquetes de distribución seguirán conteniendo archivos C/C++ generados. Por Arthur Mensch.

• Reduce el uso de memoria para arerglos de entrada decimal de 32 bits de utils.sparse_func.mean_variance_axis y utils. parse_func.incr_mean_variance_axis soportando tipos fusionados de cython. Por :user:`YenChen Lin <yenchenlin>.

• El ignore_warnings ahora acepta un argumento de categoría para ignorar solo las advertencias de un tipo especificado. Por Thierry Guillemot.

• Se añadió el parámetro return_X_y y la opción de tipo de retorno (data, target) : tuple a load_iris dataset #7049, load_breast_cancer dataset #7152, load_digits dataset, load_diabetes dataset, load_linnerud dataset, load_boston dataset #7154 por Manvendra Singh.

• Simplificación de la función clone, se ha eliminado el soporte para los estimadores que modifican los parámetros en __init__. #5540 por Andreas Müller.

• Cuando se unpickling un estimador de scikit-learn en una versión diferente a la que el estimador fue entrenado, un UserWarning se eleva, ver la documentación sobre la persistencia del modelo para más detalles. (#7248) Por Andreas Muíller.

Corrección de errores

Árboles y ensembles

• Bosque aleatorio, árboles extra, y la optimización de degradados no aceptarán más min_samples_split=1 ya que se requieren al menos 2 muestras para dividir un nodo del árbol de decisiones. Por Arnaud Joly

• ensemble.VotingClassifier ahora levanta NotFittedError si predict, transform o predict_proba son llamadas en el estimador no ajustado. Por Sebastian Raschka.

• Corregir error donde ensemble.AdaBoostClassifier y ensemble.AdaBoostRegressor funcionarían mal si el random_state se corrigió (#7411). Por Joel Nothman.

• Corregir error en ensembles con aleatorización donde el conjunto no establecería random_state en estimadores base en un pipeline o anidación similar. (#7411). Nota, resultados para ensemble.BaggingClassifier ensemble.BaggingRegressor, ensemble.AdaBoostClassifier y ensemble.AdaBoostRegressor ahora diferirán de las versiones anteriores. Por Joel Nothman.

Modelos lineales, kernelizados y relacionados

• Se corrigió un cálculo de gradiente incorrecto para loss='squared_epsilon_insensitive' en linear_model.SGDClassifier y linear_model.SGDRegressor (#6764). Por Wenhua Yang.

• Corregir error en linear_model.LogisticRegressionCV donde solver='liblinear' no aceptó class_weights='balanced. (#6817). Por Tom Dupre la Tour.

• Corregir error en neighbors.RadiusNeighborsClassifier donde se produjo un error cuando había aterradores que estaban siendo etiquetados y se especificó una función de peso (#6902). Por LeonieBorne.

• Corregir la función de decisión dispersa de linear_model.ElasticNet para que coincida con la salida densa en el caso de salida múltiple.

Descomposición, aprendizaje múltiple y análisis de conglomerados

• decomposition.RandomizedPCA el número predeterminado de iterated_power es 4 en lugar de 3. #5141 por Giorgio Patrini.

• utils.extmath.randomized_svd realiza 4 iteraciones de poder por defecto, en vez o 0. En la práctica esto es suficiente para obtener una buena aproximación de los verdaderos eigenvalues/vectores en presencia del ruido. Cuando n_components es pequeño (< .1 * min(X.shape)) n_iter se establece en 7, a menos que el usuario especifique un número mayor. Esto mejora la precisión con pocos componentes. #5299 por Giorgio Patrini.

• Se ha corregido la incoherencia de blanqueo/no blanqueo entre los componentes de decomposition.PCA y decomposition.RandomizedPCA (ahora factorizado en PCA, ver las Nuevas características). Los components_ se almacenan sin blanquear. #5299 por Giorgio Patrini.

• Corregido error en manifold.spectral_embedding donde el diagnóstico de la matriz Laplaciana innormalizada se estableció incorrectamente en 1. #4995 por Peter Fischer.

• Se corrigió la inicialización incorrecta de utils.arpack.eigsh en todas las ocurrencias. Afecta cluster.bicluster.SpectralBiclustering, descomposición.KernelPCA, manifold.LocallyLinearEmbedding, y manifold.SpectralEmbedding (#5012). Por Peter Fischer.

• Atributo explained_variance_ratio_ calculado con el solucionador SVD de discriminant_analysis.LinearDiscriminantAnalysis ahora devuelve resultados correctos. Por JPFrancoia

Preprocesamiento y selección de características

• preprocessing.data._transform_selected ahora siempre pasa una copia de X para transformar la función cuando copy=True (#7194). Por Caio Oliveira.

Evaluación del modelo y metaestimadores

• model_selection.StratifiedKFold ahora plantea un error si todas las n_labels para clases individuales son menores que n_folds. #6182 por Devashish Deshpande.

• Corregido error en model_selection.StratifiedShuffleSplit donde el tren y la muestra de prueba podrían superponerse en algunos casos de borde, vea #6121 para más detalles. Por Loic Esteve.

• Corregir en sklearn.model_selection.StratifiedShuffleSplit para que devuelva las divisiones del tamaño train_size y test_size en todos los casos (#6472). Por Andreas Mucker.

• Validación cruzada de OneVsOneClassifier y OneVsRestClassifier ahora funciona con kernels precalculados. #7350 por Russell Smith.

• Corregir la delegación incompleta del método predict_proba de model_selection.GridSearchCV a linear_model.SGDClassifier (#7159) por Yichuan Liu.

Métricas

• Corregir error en metrics.silhouette_score en el que los clusters de tamaño 1 estaban anotados incorrectamente. Deberían obtener una puntuación de 0. Por Joel Nothman.

• Corregir error en metrics.silhouette_samples para que ahora funcione con etiquetas arbitrarias, no solo aquellas que van desde 0 a n_clusters - 1.

• Corregir error donde la información mutua esperada y ajustada eran incorrectas si las células de contingencia de cluster excedían 2**16. Por Joel Nothman.

• metrics.pairwise.pairwise_distances ahora convierte arrays a arrays booleanos cuando se requiere en scipy.spatial.distance. #5460 por Tom Dupre la Tour.

• Se corrigió el soporte de entrada dispersa en metrics.silhouette_score así como ejemplos ejemplos/text/document_clustering.py. Por YenChen Lin.

• métrics.roc_curve y métricas.precision_recall_curve ya no redondea los valores y_score al crear curvas ROC; esto estaba causando problemas a los usuarios con muy pequeñas diferencias en puntuaciones (#7353).

Varios

• model_selection.tests._search._check_param_grid ahora funciona correctamente con todos los tipos que extienden/implementan Sequence (excepto string), incluyendo range (Python 3.x) y xrange (Python 2.x). #7323 por Viacheslav Kovalevskyi.

• utils.extmath.randomized_range_finder es más estable numéricamente cuando se solicitan muchas iteraciones de potencia, ya que aplica la normalización de LU por defecto. Si los problemas numéricos n_iter<2 son improbables, por lo tanto no se aplica ninguna normalización. Hay otras opciones de normalización disponibles: 'none', 'LU' y 'QR'. #5141 por Giorgio Patrini.

• Corregir un error donde algunos formatos de la matriz scipy.sparse, y estimadores con ellos como parámetros, no pudieron ser pasados a base.clone. Por Loic Esteve.

• datasets.load_svmlight_file ahora es capaz de leer valores QID de int. #7101 por Ibraim Ganiev.

Resumen de cambios en la API

Modelos lineales, kernelizados y relacionados

• residual_metric ha sido obsoleto en linear_model.RANSACRegressor. Usa loss en su lugar. Por Manoj Kumar.

• El acceso a atributos públicos .X_ y .y_ ha sido desaprobado en isotonic.IsotonicRegression. Por Jonathan Arfa.

Descomposición, aprendizaje múltiple y análisis de conglomerados

• El antiguo mixture.DPGM está obsoleto a favor del nuevo mixture.BayesianGaussianMixture (con el parámetro weight_concentration_prior_type='dirichlet_process'). La nueva clase resuelve los problemas computacionales de la clase antigua y calcula la mezcla Gaussiana con un proceso Dirichlet anterior más rápido que antes. #7295 por Wei Xue y Thierry Guillemot.

• El antiguo mixture.VBGM está obsoleto a favor del nuevo mixture.BayesianGaussianMixture (con el parámetro weight_concentration_prior_type='dirichlet_distribution'). La nueva clase resuelve los problemas computacionales de la vieja clase y calcula la mezcla Variational Bayesian Gaussian más rápido que antes. #6651 por Wei Xue y Thierry Guillemot.

• El antiguo mixture.GMM está obsoleto a favor del nuevo mixture.GaussianMixture. La nueva clase calcula la mezcla Gaussiana más rápido que antes y se han resuelto algunos problemas de computación. #6666 por Wei Xue y Thierry Guillemot.

Evaluación del modelo y metaestimadores

• El sklearn.cross_validation, sklearn.grid_search y sklearn.learning_curve han sido obsoletos y las clases y funciones han sido reorganizadas en el módulo sklearn.model_selection. Consulta Mejoras de selección de modelos y cambios de API para más información. #4294 por Raghav RV.

• El atributo grid_scores_ de model_selection.GridSearchCV y model_selection.RandomizedSearchCV está obsoleto a favor del atributo cv_results_. Consulta Mejoras de selección de modelos y cambios de API para más información. #6697 por Raghav RV.

• Los parámetros n_iter o n_folds de los antiguos divisores de CV se sustituyen por el nuevo parámetro n_splits ya que puede proporcionar una interfaz consistente y sin ambigüedades para representar el número de divisiones tren-prueba. #7187 por YenChen Lin.

• El parámetro classes fue renombrado a labels en metrics.hamming_loss. #7260 por Sebastián Vanrell.

• Las clases separadoras LabelKFold, LabelShuffleSplit, LeaveOneLabelOut y LeavePLabelsOut son renombradas a model_selection.GroupKFold, model_selection.GroupShuffleSplit, model_selection.LeaveOneGroupOut y model_selection.LeavePGroupsOut respectivamente. También el parámetro labels en el método split del recientemente renombrado separadores model_selection.LeaveOneGroupOut y model_selection.LeavePGroupsOut se renombra a groups. Además, en model_selection.LeavePGroupsOut, el parámetro n_labels se renombra a n_groups. #6660 por Raghav RV.

• Los nombres de error y pérdida para los parámetros scoring ahora son prefijados por 'neg_', tales como neg_mean_squared_error. Las versiones no prefijadas están obsoletas y serán eliminadas en la versión 0.20. #7261 por Tim Head.

Contribuyentes de código

Aditya Joshi, Alejandro, Alexander Fabisch, Alexander Loginov, Alexander Minyushkin, Alexander Rudy, Alexandre Abadie, Alexandre Abraham, Alexandre Gramfort, Alexandre Saint, alexfields, Alvaro Ulloa, alyssaq, Amlan Kar, Andreas Mueller, andrew giessel, Andrew Jackson, Andrew McCulloh, Andrew Murray, Anish Shah, Arafat, Archit Sharma, Ariel Rokem, Arnaud Joly, Arnaud Rachez, Arthur Mensch, Ash Hoover, asnt, b0noI, Behzad Tabibian, Bernardo, Bernhard Kratzwald, Bhargav Mangipudi, blakeflei, Boyuan Deng, Brandon Carter, Brett Naul, Brian McFee, Caio Oliveira, Camilo Lamus, Carol Willing, Cass, CeShine Lee, Charles Truong, Chyi-Kwei Yau, CJ Carey, codevig, Colin Ni, Dan Shiebler, Daniel, Daniel Hnyk, David Ellis, David Nicholson, David Staub, David Thaler, David Warshaw, Davide Lasagna, Deborah, definitelyuncertain, Didi Bar-Zev, djipey, dsquareindia, edwinENSAE, Elias Kuthe, Elvis DOHMATOB, Ethan White, Fabian Pedregosa, Fabio Ticconi, fisache, Florian Wilhelm, Francis, Francis O’Donovan, Gael Varoquaux, Ganiev Ibraim, ghg, Gilles Louppe, Giorgio Patrini, Giovanni Cherubin, Giovanni Lanzani, Glenn Qian, Gordon Mohr, govin-vatsan, Graham Clenaghan, Greg Reda, Greg Stupp, Guillaume Lemaitre, Gustav Mörtberg, halwai, Harizo Rajaona, Harry Mavroforakis, hashcode55, hdmetor, Henry Lin, Hobson Lane, Hugo Bowne-Anderson, Igor Andriushchenko, Imaculate, Inki Hwang, Isaac Sijaranamual, Ishank Gulati, Issam Laradji, Iver Jordal, jackmartin, Jacob Schreiber, Jake Vanderplas, James Fiedler, James Routley, Jan Zikes, Janna Brettingen, jarfa, Jason Laska, jblackburne, jeff levesque, Jeffrey Blackburne, Jeffrey04, Jeremy Hintz, jeremynixon, Jeroen, Jessica Yung, Jill-Jênn Vie, Jimmy Jia, Jiyuan Qian, Joel Nothman, johannah, John, John Boersma, John Kirkham, John Moeller, jonathan.striebel, joncrall, Jordi, Joseph Munoz, Joshua Cook, JPFrancoia, jrfiedler, JulianKahnert, juliathebrave, kaichogami, KamalakerDadi, Kenneth Lyons, Kevin Wang, kingjr, kjell, Konstantin Podshumok, Kornel Kielczewski, Krishna Kalyan, krishnakalyan3, Kvle Putnam, Kyle Jackson, Lars Buitinck, ldavid, LeiG, LeightonZhang, Leland McInnes, Liang-Chi Hsieh, Lilian Besson, lizsz, Loic Esteve, Louis Tiao, Léonie Borne, Mads Jensen, Maniteja Nandana, Manoj Kumar, Manvendra Singh, Marco, Mario Krell, Mark Bao, Mark Szepieniec, Martin Madsen, MartinBpr, MaryanMorel, Massil, Matheus, Mathieu Blondel, Mathieu Dubois, Matteo, Matthias Ekman, Max Moroz, Michael Scherer, michiaki ariga, Mikhail Korobov, Moussa Taifi, mrandrewandrade, Mridul Seth, nadya-p, Naoya Kanai, Nate George, Nelle Varoquaux, Nelson Liu, Nick James, NickleDave, Nico, Nicolas Goix, Nikolay Mayorov, ningchi, nlathia, okbalefthanded, Okhlopkov, Olivier Grisel, Panos Louridas, Paul Strickland, Perrine Letellier, pestrickland, Peter Fischer, Pieter, Ping-Yao, Chang, practicalswift, Preston Parry, Qimu Zheng, Rachit Kansal, Raghav RV, Ralf Gommers, Ramana.S, Rammig, Randy Olson, Rob Alexander, Robert Lutz, Robin Schucker, Rohan Jain, Ruifeng Zheng, Ryan Yu, Rémy Léone, saihttam, Saiwing Yeung, Sam Shleifer, Samuel St-Jean, Sartaj Singh, Sasank Chilamkurthy, saurabh.bansod, Scott Andrews, Scott Lowe, seales, Sebastian Raschka, Sebastian Saeger, Sebastián Vanrell, Sergei Lebedev, shagun Sodhani, shanmuga cv, Shashank Shekhar, shawpan, shengxiduan, Shota, shuckle16, Skipper Seabold, sklearn-ci, SmedbergM, srvanrell, Sébastien Lerique, Taranjeet, themrmax, Thierry, Thierry Guillemot, Thomas, Thomas Hallock, Thomas Moreau, Tim Head, tKammy, toastedcornflakes, Tom, TomDLT, Toshihiro Kamishima, tracer0tong, Trent Hauck, trevorstephens, Tue Vo, Varun, Varun Jewalikar, Viacheslav, Vighnesh Birodkar, Vikram, Villu Ruusmann, Vinayak Mehta, walter, waterponey, Wenhua Yang, Wenjian Huang, Will Welch, wyseguy7, xyguo, yanlend, Yaroslav Halchenko, yelite, Yen, YenChenLin, Yichuan Liu, Yoav Ram, Yoshiki, Zheng RuiFeng, zivori, Óscar Nájera