Versión 0.19

Julio, 2018

Esta versión está destinada exclusivamente a soportar Python 3.7.

Cambios relacionados

• n_iter_ puede variar respecto a versiones anteriores en linear_model.LogisticRegression con solver='lbfgs' y linear_model.HuberRegressor. Para Scipy <= 1.0.0, el optimizador podía realizar más iteraciones que el número máximo solicitado. Ahora ambos estimadores informarán de un máximo de iteraciones max_iter aunque se hayan realizado más. #10723 by Joel Nothman.

Versión 0.19.1

23 de octubre de 2017

Esta es una versión de corrección de errores con algunas mejoras menores de documentación y mejoras a las características publicadas en 0.19.0.

Tenga en cuenta que puede haber diferencias menores en la salida TSNE en esta versión (debido a #9623), en el caso en que múltiples muestras tengan la misma distancia a alguna muestra.

Registro de cambios

Cambios del API

• Se revirtió la adición de metrics.ndcg_score y metrics.dcg_score que habían sido fusionados en la versión 0.19.0 por error. Las implementaciones tenían fallos y no estaban documentadas.

• return_train_score que se añadió a model_selection.GridSearchCV, model_selection.RandomizedSearchCV y model_selection.cross_validate en la versión 0.19.0 cambiará su valor por defecto de True a False en la versión 0.21. Hemos descubierto que el cálculo de la puntuación de entrenamiento podría tener un gran efecto en el tiempo de ejecución de la validación cruzada en algunos casos. Los usuarios deben establecer explícitamente return_train_score a False si las funciones de predicción o puntuación son lentas, lo que tiene un efecto perjudicial en el tiempo de ejecución de la CV, o a True si desean utilizar las puntuaciones calculadas. #9677 por Kumar Ashutosh y Joel Nothman.

• correlation_models y regression_models de anteriores implementaciones de procesos gaussianos han quedado obsoletos tardíamente. #9717 por Kumar Ashutosh.

Corrección de errores

• Evita desbordamientos de enteros en metrics.matthews_corrcoef. #9693 por Sam Steingold.

• Se ha corregido un error en la función objetivo de múltiple. SNE (tanto exacta como con la aproximación de Barnes-Hut) cuando n_components >= 3. #9711 por @goncalo-rodrigues.

• Corrige la regresión en model_selection.cross_val_predict donde se reportó un error con method='predict_proba' para algunos clasificadores probabilísticos. #9641 por James Bourbeau.

• Se ha corregido un error donde datasets.make_classification modificó su entrada weights. #9865 por Sachin Kelkar.

• model_selection.StratifiedShuffleSplit ahora funciona con datos de múltiples salidas, multiclase o multietiqueta con más de 1000 columnas. #9922 por Charlie Brummitt.

• Se ha corregido un error con la configuración de parámetros anidados y condicionales, por ejemplo, al asignar un paso del pipeline y su parámetro al mismo tiempo. #9945 por Andreas Müller y Joel Nothman.

Regresiones en 0.19.0 corregidas en 0.19.1:

• Se ha corregido un error por el que la predicción paralela en los bosques aleatorios no era segura para los hilos y podía (raramente) dar lugar a errores arbitrarios. #9830 por Joel Nothman.

• Corrige la regresión en model_selection.cross_val_predict donde ya no aceptaba X como lista. #9600 por Rasul Kerimov.

• Se ha corregido el manejo de cross_val_predict para la clasificación binaria con method='decision_function'. #9593 por Reiichiro Nakano y los desarrolladores principales.

• Corrige la regresión en pipeline.Pipeline donde ya no aceptaba steps como tupla. #9604 por Joris Van den Bossche.

• Se ha corregido un error por el que n_iter no estaba correctamente obsoleto, lo que hacía que n_iter no estuviera disponible para su uso provisional en linear_model.SGDClassifier, linear_model. SGDRegressor, linear_model.PassiveAggressiveClassifier, linear_model.PassiveAggressiveRegressor y linear_model.Perceptron. #9558 por Andreas Müller.

• Los recuperadores de conjuntos de datos se aseguran de cerrar los archivos temporales antes de eliminarlos, lo que provocaba errores en Windows. #9847 por Joan Massich.

• Se ha corregido una regresión en manifold.TSNE por la que ya no soportaba métricas distintas de “euclidian” y “precomputed”. #9623 por Oli Blum.

Mejoras

• Nuestro conjunto de pruebas y utils.estimator_checks.check_estimators ahora pueden ejecutarse sin Nose instalado. #9697 por Joan Massich.

• Para mejorar la usabilidad del almacenamiento en caché pipeline.Pipeline de la versión 0.19, memory permite ahora instancias de joblib.Memory. Para ello se utiliza la nueva utils.validation.check_memory helper. issue:9584 by Kumar Ashutosh

• Algunas correcciones a los ejemplos: #9750, #9788, #9815

• Se ha hecho menos detallado el FutureWarning en los estimadores basados en SGD. #9802 por Vrishank Bhardwaj.

Colaboradores de código y documentación

Con agradecimiento a:

Joel Nothman, Loic Esteve, Andreas Mueller, Kumar Ashutosh, Vrishank Bhardwaj, Hanmin Qin, Rasul Kerimov, James Bourbeau, Nagarjuna Kumar, Nathaniel Saul, Olivier Grisel, Roman Yurchak, Reiichiro Nakano, Sachin Kelkar, Sam Steingold, Yaroslav Halchenko, diegodlh, felix, goncalo-rodrigues, jkleint, oliblum90, pasbi, Anthony Gitter, Ben Lawson, Charlie Brummitt, Didi Bar-Zev, Gael Varoquaux, Joan Massich, Joris Van den Bossche, nielsenmarkus11

Versión 0.19

12 de agosto de 2017

Destacados

Estamos muy contentos de lanzar una serie de nuevas características, incluyendo neighbors.LocalOutlierFactor para la detección de anomalías, preprocessing.QuantileTransformer para la transformación robusta de características, y el metaestimador multioutput.ClassifierChain para tener en cuenta de forma sencilla las dependencias entre las clases en los problemas multietiqueta. Tenemos algunos algoritmos nuevos en los estimadores existentes, como la actualización multiplicativa en decomposition.NMF y la linear_model.LogisticRegression multinomial con pérdida L1 (utiliza solver='saga').

La validación cruzada es ahora capaz de devolver los resultados de múltiples evaluaciones métricas. La nueva model_selection.cross_validate puede devolver muchas puntuaciones en los datos de prueba, así como el rendimiento y los tiempos del conjunto de entrenamiento, y hemos ampliado los parámetros scoring y refit para la búsqueda en cuadrícula/aleatorizada para manejar métricas múltiples.

También puedes aprender más rápido. Por ejemplo, la nueva opción a las transformaciones de caché en pipeline.Pipeline hace la búsqueda en cuadrícula sobre pipelines incluyendo transformaciones lentas mucho más eficiente. Y puedes predecir más rápido: si estás seguro de lo que estás haciendo, puedes desactivar validando que la entrada es finita usando config_context.

También hemos realizado algunas correcciones importantes. Hemos solucionado un antiguo error de implementación en metrics.average_precision_score, así que tenga cuidado con los resultados anteriores reportados por esa función. Se han corregido varios errores en la implementación de manifold.TSNE, especialmente en la aproximación por defecto de Barnes-Hut. Se han corregido sustancialmente semi_supervised.LabelSpreading y semi_supervised.LabelPropagation. LabelPropagation no funcionaba antes. LabelSpreading debería ahora respetar correctamente su parámetro alfa.

Modelos modificados

Los siguientes estimadores y funciones, cuando ajustan a los mismos datos y parámetros, pueden producir diferentes modelos que en la versión anterior. Esto ocurre a menudo debido a cambios en la lógica de modelado (correcciones de errores o mejoras), o en procedimientos de muestreo aleatorio.

• cluster.KMeans con X disperso y centroides iniciales dados (corrección de errores)

• cross_decomposition.PLSRegression con scale=True (corrección de errores)

• ensemble.GradientBoostingClassifier y ensemble.GradientBoostingRegressor donde min_impurity_split es usado (corrección de errores)

• potenciación de gradiente loss='quantile' (corrección de errores)

• ensemble.IsolationForest (corrección de errores)

• feature_selection.SelectFdr (corrección de errores)

• linear_model.RANSACRegressor (corrección de errores)

• linear_model.LassoLars (corrección de errores)

• linear_model.LassoLarsIC (corrección de errores)

• manifold.TSNE (corrección de errores)

• neighbors.NearestCentroid (corrección de errores)

• semi_supervised.LabelSpreading (corrección de errores)

• semi_supervised.LabelPropagation (corrección de errores)

• modelos basados en árboles donde se utiliza min_weight_fraction_leaf (mejora)

• model_selection.StratifiedKFold con shuffle=True (este cambio, debido a #7823 no fue mencionado en las notas de lanzamiento en ese momento)

Los detalles están listados en el registro de cambios a continuación.

(Mientras intentamos informar mejor a los usuarios proporcionando esta información, no podemos asegurar que esta lista esté completa.)

Registro de cambios

Nuevas características

Clasificadores y regresores

• Se añadió multioutput.ClassifierChain para clasificación multietiqueta. Por Adam Kleczewski.

• Añadido el solucionador 'saga que implementa la versión mejorada del Gradiente Promedio Estocástico, en linear_model.LogisticRegression y linear_model.Ridge. Permite el uso de la penalización L1 con pérdida logística multinomial, y se comporta marginalmente mejor que sag durante los primeros epochs de la regresión de cresta y logística. #8446 por Arthur Mensch.

Otros Estimadores

• Se ha añadido la clase neighbors.LocalOutlierFactor para detección de anomalías basada en vecinos más cercanos. #5279 por Nicolas Goix y Alexandre Gramfort.

• Se añadió la clase preprocessing.QuantileTransformer y la función preprocessing.quantile_transform para normalizar características basadas en cuantiles. #8363 por Denis Engemann, Guillaume Lemaitre, Olivier Grisel, Raghav RV, Thierry Guillemot, y Gael Varoquaux.

• El nuevo solucionador 'mu' implementa una Actualización Multiplicada en descomposición. MF, permitiendo la optimización de todas las beta-divergencias, incluyendo la norma Frobenius, la divergencia Kullback-Leibler generalizada y la divergencia Itakura-Saito. #5295 por Tom Dupre la Tour.

Selección y evaluación de modelos

• model_selection.GridSearchCV y model_selection.RandomizedSearchCV ahora soportan la evaluación simultánea de múltiples métricas. Consulta la sección Especificar múltiples métricas para la evaluación del manual del usuario para más información. #7388 por Raghav RV

• Se añadió model_selection.cross_validate que permite la evaluación de múltiples métricas. Esta función devuelve un dict con información más útil de la validación cruzada como las puntuaciones de entrenamiento, los tiempos de ajuste y los tiempos de puntuación. Consulte la sección La función cross_validate y la evaluación de métricas múltiples del manual del usuario para más información. #7388 por Raghav RV

• Se añadió metrics.mean_squared_log_error, que calcula el error cuadrático medio de la transformación logarítmica de los objetivos, particularmente útil para objetivos con una tendencia exponencial. #7655 por Karan Desai.

• Se añadieron metrics.dcg_score y metrics.ndcg_score, que calculan la ganancia acumulativa descontada (DCG) y la ganancia acumulativa descontada normalizada (NDCG). #7739 por David Gasquez.

• Se añadieron model_selection.RepeatedKFold y model_selection.RepeatedStratifiedKFold. #8120 por Neeraj Gangwar.

Misceláneos

• La validación de que los datos de entrada no contengan NaN o inf ahora puede ser suprimida usando config_context, bajo tu propio riesgo. Esto ahorrará en tiempo de ejecución, y puede ser particularmente útil para el tiempo de predicción. #7548 por Joel Nothman.

• Se ha añadido una prueba para asegurar que la lista de parámetros en docstrings coincide con la firma de función/clase. #9206 por Alexandre Gramfort y Raghav RV.

Mejoras

Árboles y ensembles

• La restricción min_weight_fraction_leaf en la construcción del árbol es ahora más eficiente, tomando una ruta rápido para declarar un nodo como hoja si su peso es inferior a 2 * el mínimo. Tenga en cuenta que el árbol construido será diferente de las versiones anteriores donde se utiliza min_weight_fraction_leaf. #7441 por Nelson Liu.

• ensemble.GradientBoostingClassifier y ensemble.GradientBoostingRegressor ahora soportan entradas dispersas para predicción. #6101 de Ibraim Ganiev.

• ensemble.VotingClassifier ahora permite cambiar estimadores usando ensemble.VotingClassifier.set_params. Un estimador también puede ser eliminado asignándole None. #7674 por Yichuan Liu.

• tree.export_graphviz ahora muestra el número configurable de decimales. #8698 por Guillaume Lemaitre.

• Se añadió el parámetro flatten_transform a ensemble.VotingClassifier para cambiar la forma de salida del método transform a 2 dimensional. #7794 por Ibraim Ganiev y Herilalaina Rakotoarison.

Modelos lineales, kernelizados y relacionados

• linear_model.SGDClassifier, linear_model.SGDRegressor, linear_model.PassiveAggressiveClassifier, linear_model.PassiveAggressiveRegressor y linear_model.Perceptron ahora exponen los parámetros max_iter y tol, para manejar la convergencia con mayor precisión. El parámetro n_iter está obsoleto, y el estimador ajustado expone un atributo n_iter_, con el número real de iteraciones antes de la convergencia. #5036 por Tom Dupre la Tour.

• Se añadió el parámetro average para realizar el promedio de peso en linear_model.PassiveAggressiveClassifier. #4939 por Andrea Esuli.

• linear_model.RANSACRegressor ya no lanza un error al llamar a fit si no se encuentran valores típicos en su primera iteración. Además, las causas de las iteraciones saltadas son rastreadas en atributos añadidos recientemente, n_skips_*. #7914 por Michael Horrell.

• En gaussian_process.GaussianProcessRegressor, el método predict es mucho más rápido con return_std=True. #8591 por Hadrien Bertrand.

• Se añadió return_std al método predict de linear_model.ARDRegression y linear_model.BayesianRidge. #7838 de Sergey Feldman.

• Mejoras en el uso de la memoria: Evita la conversión desde float32 a float64 en: linear_model.MultiTaskElasticNet; linear_model.LogisticRegression cuando se utiliza el método de solución newton-cg; y linear_model.Ridge al usar los solucionadores svd, sparse_cg, cholesky o lsqr. #8835, #8061 por Joan Massich y Nicolas Cordier y Thierry Guillemot.

Otros predictores

• Las métricas personalizadas para los árboles binarios vecinos ahora tienen menos restricciones: deben tomar dos arreglos 1d y devolver un float. #6288 por Jake Vanderplas.

• algorithm='auto en estimadores de vecinos ahora eligen el algoritmo más apropiado para todos los tipos de entrada y métricas. #9145 por Herilalaina Rakotoarison y Reddy Chinthala.

Descomposición, aprendizaje múltiple y análisis de conglomerados

• cluster.MiniBatchKMeans y cluster.KMeans ahora usan significativamente menos memoria al asignar puntos de datos al centro de su conglomerado más cercano. #7721 por Jon Crall.

• decomposition.PCA, decomposition.IncrementalPCA y decomposition.TruncatedSVD ahora exponen los valores singulares del SVD subyacente. Se almacenan en el atributo singular_values_, como en decomposition.IncrementalPCA. #7685 por Tommy Löfstedt

• decomposition.NMF ahora es más rápido cuando beta_loss=0. #9277 por @hongkahjun.

• Mejoras de memoria para el método barnes_hut en manifold.TSNE #7089 por Thomas Moreau y Olivier Grisel.

• Mejoras en el programa de optimización de Barnes-Hut manifold.TSNE para que los resultados se acerquen más a los de la implementación de referencia lvdmaaten/bhtsne de Thomas Moreau y Olivier Grisel.

• Mejoras en el uso de la memoria: Evita la conversión de float32 a float64 en decomposition.PCA y decomposition.randomized_svd_low_rank. #9067 por Raghav RV.

Preprocesamiento y selección de características

• Se añadió el parámetro norm_order a feature_selection.SelectFromModel para habilitar la selección del orden de la norma cuando coef_ es superior a 1D. #6181 por Antoine Wendlinger.

• Se ha añadido la habilidad de usar matrices dispersas en feature_selection.f_regression con center=True. #8065 por Daniel LeJeune.

• Pequeña mejora de rendimiento en la creación de n-gramas en feature_extraction.text mediante métodos de enlace para bucles y unigramas de casos especiales. #7567 por Jaye Doepke

• Relaja la suposición sobre los datos para el kernel_approximation.SkewedChi2Sampler. Dado que el núcleo Skewed-Chi2 se define en el intervalo abierto \((-skewedness; +\infty)^d\), la función de transformación no debería comprobar si X < 0 sino si X < -self.skewedness. #7573 por Romain Brault.

• Se han hecho los parámetros del núcleo por defecto dependientes del núcleo en kernel_approximation.Nystroem. #5229 por Saurabh Bansod y Andreas Müller.

Evaluación del modelo y metaestimadores

• pipeline.Pipeline ahora es capaz de almacenar en caché los transformadores dentro de una tubería usando el parámetro del constructor memory. #7990 por Guillaume Lemaitre.

• Los pasos de pipeline.Pipeline ahora pueden ser accedidos como atributos de su atributo named_steps. #8586 por Herilalaina Rakotoarison.

• Se añadió el parámetro sample_weight a pipeline.Pipeline.score. #7723 por Mikhail Korobov.

• Se ha añadido la capacidad de asignar el parámetro n_jobs a pipeline.make_union. Se elevará un TypeError para cualquier otro argumento de palabra clave. #8028 por Alexander Booth.

• model_selection.GridSearchCV, model_selection.RandomizedSearchCV y model_selection.cross_val_score ahora permiten estimadores con núcleos invocables lo cual estaba previamente prohibido. #8005 por Andreas Muller .

• model_selection.cross_val_predict ahora devuelve la salida de forma correcta para todos los valores del argumento method. #7863 por Aman Dalmia.

• Se añadieron los parámetros shuffle y random_state para revolver los datos de entrenamiento antes de tomar prefijos basados en tamaños de entrenamiento en model_selection.learning_curve. #7506 por Narine Kokhlikyan.

• model_selection.StratifiedShuffleSplit ahora funciona con datos de múltiples salidas multiclase (o multietiqueta). #9044 by Vlad Niculae.

• Mejoras de velocidad en model_selection.StratifiedShuffleSplit. #5991 por Arthur Mensch y Joel Nothman.

• Añade el parámetro shuffle a model_selection.train_test_split. #8845 por themrmax

• multioutput.MultiOutputRegressor y multioutput.MultiOutputClassifier ahora soportan el aprendizaje en línea usando partial_fit. :issue: 8053 de Peng Yu.

• Se añade el parámetro max_train_size a model_selection.TimeSeriesSplit #8282 por Aman Dalmia.

• Ahora hay más métricas de análisis de conglomerados disponibles a través de los parámetros metrics.get_scorer y scoring. #8117 de Raghav RV.

• También está disponible un puntuador basado en metrics.explained_variance_score. #9259 por Hanmin Qin.

Métricas

• metrics.matthews_corrcoef ahora soporta la clasificación multiclase. #8094 por Jon Crall.

• Se añade el parámetro sample_weight a metrics.cohen_kappa_score. #8335 por Victor Poughon.

Misceláneos

• utils.check_estimator ahora intenta asegurar que los métodos transform, predict, etc. no establecen atributos en el estimador. #7533 por Ekaterina Krivich.

• Se ha añadido la comprobación de tipo al parámetro accept_sparse en los métodos de utils.validation. Este parámetro ahora sólo acepta booleanos, cadenas o listas/tuplas de cadenas. accept_sparse=None está obsoleto y debe ser sustituido por accept_sparse=False. #7880 por Josh Karnofsky.

• Se posibilita la carga de una porción de un archivo con formato svmlight pasando un rango de bytes a datasets.load_svmlight_file. #935 por Olivier Grisel.

• dummy.DummyClassifier y dummy.DummyRegressor ahora aceptan características no finitas. #8931 por @Attractadore.

Corrección de errores

Árboles y ensembles

• Se ha corregido una fuga de memoria en los árboles cuando se utilizan árboles con criterion='mae'. #8002 por Raghav RV.

• Se ha corregido un error por el que ensemble.IsolationForest utiliza una fórmula incorrecta para la longitud promedio de la trayectoria #8549 de Peter Wang.

• Se ha corregido un error por el que ensemble.AdaBoostClassifier genera ZeroDivisionError al ajustar datos con etiquetas de una sola clase. #7501 por Dominik Krzeminski.

• Se ha corregido un error en ensemble.GradientBoostingClassifier y ensemble.GradientBoostingRegressor por el que un número de punto flotante (float) que se comparaba con 0.0 utilizando ``==` provocaba un error de división por cero. #7970 por He Chen.

• Se corrige un error por el que ensemble.GradientBoostingClassifier y ensemble.GradientBoostingRegressor ignoraban el parámetro min_impurity_split. #8006 por Sebastian Pölsterl.

• Se ha corregido oob_score en ensemble.BaggingClassifier. #8936 por Michael Lewis.

• Se ha corregido el uso excesivo de memoria en la predicción de los estimadores de bosques aleatorios. #8672 por Mike Benfield.

• Se ha corregido un error por el que sample_weight como lista rompía los bosques aleatorios en Python 2 #8068 por @xor.

• Se ha corregido un error por el que ensemble.IsolationForest falla cuando max_features es menor que 1. #5732 por Ishank Gulati.

• Se corrige un error por el que la potenciación del gradiente con loss='quantile' calculaba errores negativos para valores negativos de ytrue - ypred lo que conducía a valores erróneos al llamar a __call__. #8087 por Alexis Mignon.

• Se corrige un error por el que ensemble.VotingClassifier genera un error cuando se pasa un arreglo numpy para las ponderaciones. #7983 por Vincent Pham.

• Se ha corregido un error por el que tree.export_graphviz generaba un error cuando la longitud de features_names no coincidía con n_features en el árbol de decisión. #8512 por Li Li.

Modelos lineales, kernelizados y relacionados

• Se ha corregido un error por el que linear_model.RANSACRegressor.fit podía ejecutarse hasta max_iter si encontraba un grupo grande de valores típicos de forma anticipada. #8251 por @aivision2020.

• Se ha corregido un error por el que naive_bayes.MultinomialNB y naive_bayes.BernoulliNB fallaban cuando alpha=0. #5814 por Yichuan Liu y Herilalaina Rakotoarison.

• Se ha corregido un error por el que linear_model.LassoLars no daba el mismo resultado que la implementación de LassoLars disponible en R (biblioteca lars). #7849 por Jair Montoya Martinez.

• Se ha corregido un error en linear_model.RandomizedLasso, linear_model.Lars, linear_model.LassoLars, linear_model.LarsCV y linear_model.LassoLarsCV, donde el parámetro precompute no se utilizaba de forma consistente en todas las clases, y algunos valores propuestos en la cadena de documentación podían generar errores. #5359 por Tom Dupre la Tour.

• Se corrigen resultados inconsistentes entre linear_model.RidgeCV y linear_model.Ridge cuando se utiliza normalize=True. #9302 por Alexandre Gramfort.

• Se corrige un error por el que linear_model.LassoLars.fit a veces dejaba coef_ como una lista, en lugar de un ndarray. #8160 por CJ Carey.

• Se corrige linear_model.BayesianRidge.fit para que devuelva el parámetro de cresta (ridge) alpha_ y lambda_ consistentes con los coeficientes calculados coef_ e intercept_. #8224 por Peter Gedeck.

• Se ha corregido un error en svm.OneClassSVM por el que devolvía números de punto flotante (floats) en lugar de clases enteras. #8676 por Vathsala Achar.

• Se corrige el cálculo del criterio AIC/BIC en linear_model.LassoLarsIC. #9022 por Alexandre Gramfort y Mehmet Basbug.

• Se ha corregido una fuga de memoria en nuestra implementación de LibLinear. #9024 por Sergei Lebedev.

• Se corrige un error por el que los separadores de CV estratificados no funcionaban con linear_model.LassoCV. #8973 por Paulo Haddad.

• Se ha corregido un error en gaussian_process.GaussianProcessRegressor cuando la desviación estándar y la covarianza predichas sin ajuste fallaban con un error no significativo por defecto. #6573 por Quazi Marufur Rahman y Manoj Kumar.

Otros predictores

• Se corrige semi_supervised.BaseLabelPropagation para implementar correctamente LabelPropagation y LabelSpreading como se hace en los artículos referenciados. #9239 por Andre Ambrosio Boechat, Utkarsh Upadhyay y Joel Nothman.

Descomposición, aprendizaje múltiple y análisis de conglomerados

• Se ha corregido la implementación de manifold.TSNE:

• El parámetro early_exageration no tenía efecto y ahora se utiliza para las primeras 250 iteraciones de optimización.

• Se ha corregido la excepción AssertionError: Tree consistency failed, reportada en #8992.

• Se mejora el programa de aprendizaje para que coincida con el de la implementación de referencia lvdmaaten/bhtsne. Por Thomas Moreau y Olivier Grisel.

• Se corrige un error en decomposition.LatentDirichletAllocation por el que el método perplexity devolvía resultados incorrectos porque el método transform devuelve distribuciones de temas de documentos normalizadas a partir de la versión 0.18. #7954 por Gary Foreman.

• Se corrige la forma de salida y los errores con n_jobs > 1 en la transformación decomposition.SparseCoder y decomposition.sparse_encode para datos unidimensionales y un componente. Esto también afecta a la forma de salida de decomposition.DictionaryLearning. #8086 por Andreas Müller.

• Se ha corregido la implementación de explained_variance_ en decomposition.PCA, decomposition.RandomizedPCA y decomposition.IncrementalPCA. #9105 por Hanmin Qin.

• Se ha corregido la implementación de noise_variance_ en decomposition.PCA. #9108 por Hanmin Qin.

• Se ha corregido un error por el que cluster.DBSCAN daba un resultado incorrecto cuando la entrada era una matriz dispersa precalculada con filas iniciales todas en cero. #8306 por Akshay Gupta.

• Se corrige un error relacionado con el ajuste de cluster.KMeans con una matriz dispersa X y centroides iniciales, donde las medias de X se restaban innecesariamente de los centroides. #7872 por Josh Karnofsky.

• Se hacen correcciones a la validación de entradas en covariance.EllipticEnvelope. #8086 por Andreas Müller.

• Se ha corregido un error en covariance.MinCovDet por el que la introducción de datos que producía una matriz de covarianzas singular provocaba que el método ayudante _c_step lanzara una excepción. #3367 por Jeremy Steward.

• Se ha corregido un error en manifold.TSNE que afectaba a la convergencia del descenso de gradiente. #8768 por David DeTomaso.

• Se ha corregido un error en manifold.TSNE donde se almacenaba la kl_divergence_ incorrecta. #6507 por Sebastian Saeger.

• Se ha corregido el escalamiento incorrecto en cross_decomposition.PLSRegression con scale=True. #7819 por jayzed82.

• El método fit de cluster.bicluster.SpectralCoclustering y cluster.bicluster.SpectralBiclustering se ajusta a la API aceptando y y devolviendo el objeto. #6126, #7814 por Laurent Direr y Maniteja Nandana.

• Se corrige un error por el que los métodos sample de mixture no devolvían tantas muestras como se pedía. #7702 por Levi John Wolf.

• Se ha corregido la implementación de la contracción en neighbors.NearestCentroid. #9219 por Hanmin Qin.

Preprocesamiento y selección de características

• Para las matrices dispersas, preprocessing.normalize con return_norm=True ahora lanzará un NotImplementedError con norma “l1” o “l2” y con norma “max” las normas devueltas serán las mismas que para las matrices densas. #7771 por Ang Lu.

• Se corrige un error por el que feature_selection.SelectFdr no implementaba exactamente el procedimiento Benjamini-Hochberg. Es posible que antes haya seleccionado menos características de las que debería. #7490 por Peng Meng.

• Se ha corregido un error por el que linear_model.RandomizedLasso y linear_model.RandomizedLogisticRegression se rompían para entradas dispersas. #8259 por Aman Dalmia.

• Se corrige un error por el que feature_extraction.FeatureHasher aplicaba obligatoriamente una proyección aleatoria dispersa a las características mapeadas (hashed), impidiendo el uso de feature_extraction.text.HashingVectorizer en un pipeline con feature_extraction.text.TfidfTransformer. #7565 por Roman Yurchak.

• Se corrige un error por el que feature_selection.mutual_info_regression no utilizaba correctamente n_neighbors. #8181 por Guillaume Lemaitre.

Evaluación del modelo y metaestimadores

• Se ha corregido un error por el que model_selection.BaseSearchCV.inverse_transform devolvía self.best_estimator_.transform() en lugar de self.best_estimator_.inverse_transform(). #8344 por Akshay Gupta y Rasmus Eriksson.

• Se ha añadido el atributo classes_ a model_selection.GridSearchCV, model_selection.RandomizedSearchCV, grid_search.GridSearchCV y grid_search.RandomizedSearchCV que coincide con el atributo classes_ de best_estimator_. #7661 y #8295 por Alyssa Batula, Dylan Werner-Meier y Stephen Hoover.

• Se ha corregido un error por el que model_selection.validation_curve reutilizaba el mismo estimador para cada valor de parámetro. #7365 por Aleksandr Sandrovskii.

• model_selection.permutation_test_score ahora funciona con los tipos de Pandas. #5697 por Stijn Tonk.

• Varias correcciones a la validación de entradas en multiclass.OutputCodeClassifier #8086 por Andreas Müller.

• multiclass.OneVsOneClassifier de partial_fit ahora asegura que todas las clases sean proporcionadas por adelantado. #6250 por Asish Panda.

• Se corrige multioutput.MultiOutputClassifier.predict_proba para que devuelva una lista de arreglos 2D, en lugar de un arreglo 3D. En el caso de que diferentes columnas objetivo tuvieran diferentes números de clases, se produciría un ValueError al intentar apilar matrices con diferentes dimensiones. #8093 por Peter Bull.

• La validación cruzada ahora funciona con los tipos de datos de Pandas que tienen un índice de sólo lectura. #9507 por Loic Esteve.

Métricas

• metrics.average_precision_score ya no interpola linealmente entre puntos de operación, y en su lugar pondera las precisiones por el cambio en la exhaustividad desde el último punto de operación, según la entrada de la Wikipedia. (#7356). Por Nick Dingwall y Gael Varoquaux.

• Se corrige un error en metrics.classification._check_targets que devolvía 'binary' si y_true y y_pred eran ambos 'binary' pero la unión de y_true y y_pred era 'multiclass'. #8377 por Loic Esteve.

• Se ha corregido un error de desbordamiento de enteros en metrics.confusion_matrix y, por tanto, en metrics.cohen_kappa_score. #8354, #7929 por Joel Nothman y Jon Crall.

• Se ha corregido el paso del parámetro gamma al kernel chi2 en metrics.pairwise.pairwise_kernels #5211 por Nick Rhinehart, Saurabh Bansod y Andreas Müller.

Misceláneos

• Se ha corregido un error cuando datasets.make_classification falla al generar más de 30 características. #8159 por Herilalaina Rakotoarison.

• Se ha corregido un error por el que datasets.make_moons da un resultado incorrecto cuando n_samples es impar. #8198 por Josh Levy.

• Algunas funciones fetch_ en datasets ignoraban la palabra clave download_if_missing. #7944 por Ralf Gommers.

• Se corrigen los estimadores para que acepten un parámetro sample_weight de tipo pandas.Series en su función fit. #7825 by Kathleen Chen.

• Se corrige un error en los casos donde numpy.cumsum puede ser numéricamente inestable, lanzando una excepción si se identifica la inestabilidad. #7376 y #7331 por Joel Nothman y @yangarbiter.

• Se corrige un error por el que base.BaseEstimator.__getstate__ obstruía las personalizaciones de pickling de las clases hijas, cuando se utilizaba en un contexto de herencia múltiple. #8316 por Holger Peters.

• Se actualiza Sphinx-Gallery de 0.1.4 a 0.1.7 para resolver los enlaces en la construcción de la documentación con Sphinx>1.5 #8010, #7986 por Oscar Najera.

• Se añade el parámetro data_home a sklearn.datasets.fetch_kddcup99. #9289 por Loic Esteve.

• Se corrigen los cargadores de conjuntos de datos que utilizan la versión Python 3 de makedirs para que también funcionen en Python 2. #9284 por Sebastin Santy.

• Se han corregido varios problemas menores gracias a las alertas de lgtm.com. #9278 por Jean Helie, entre otros.

Resumen de cambios en la API

Árboles y ensembles

• Los modelos base de potenciación del gradiente ya no son estimadores. Por Andreas Müller.

• Todos los estimadores basados en árboles ahora aceptan el parámetro min_impurity_decrease en lugar de min_impurity_split, que ya está obsoleto. El parámetro min_impurity_decrease ayuda a dejar de dividir los nodos en los que la disminución de impureza ponderada de la separación ya no es al menos min_impurity_decrease. #8449 por Raghav RV.

Modelos lineales, kernelizados y relacionados

• El parámetro n_iter está obsoleto en linear_model.SGDClassifier, linear_model.SGDRegressor, linear_model.PassiveAggressiveClassifier, linear_model.PassiveAggressiveRegressor y linear_model.Perceptron. Por Tom Dupre la Tour.

Otros predictores

• neighbors.LSHForest ha quedado obsoleta y será eliminada en la versión 0.21 debido a su bajo rendimiento. #9078 por Laurent Direr.

• neighbors.NearestCentroid ya no admite metric='precomputed', lo que ahora genera un error. #8515 por Sergul Aydore.

• El parámetro alpha de semi_supervised.LabelPropagation ahora no tiene efecto y está obsoleto para ser eliminado en 0.21. #9239 por Andre Ambrosio Boechat, Utkarsh Upadhyay y Joel Nothman.

Descomposición, aprendizaje múltiple y análisis de conglomerados

• Se hace obsoleto el argumento doc_topic_distr del método perplexity en decomposition.LatentDirichletAllocation porque el usuario ya no tiene acceso a la distribución de temas de documentos no normalizada necesaria para el cálculo de la perplejidad. #7954 por Gary Foreman.

• El parámetro n_topics de decomposition.LatentDirichletAllocation ha sido renombrado a n_components y será eliminado en la versión 0.21. #8922 por @Attractadore.

• El parámetro ridge_alpha de decomposition.SparsePCA.transform está obsoleto y se prefiere el parámetro de clase. #8137 por Naoya Kanai.

• cluster.DBSCAN ahora tiene un parámetro metric_params. #8139 por Naoya Kanai.

Preprocesamiento y selección de características

• feature_selection.SelectFromModel ahora tiene un método partial_fit sólo si el estimador subyacente lo tiene. Por Andreas Müller.

• feature_selection.SelectFromModel ahora valida el parámetro threshold y establece el atributo threshold_ durante la llamada a fit, y ya no durante la llamada a transform. Por Andreas Müller.

• El parámetro non_negative en feature_extraction.FeatureHasher ha quedado obsoleto, y ha sido reemplazado por una alternativa con más principios, alternate_sign. #7565 por Roman Yurchak.

• linear_model.RandomizedLogisticRegression y linear_model.RandomizedLasso han quedado obsoletas y serán eliminadas en la versión 0.21. #8995 por Ramana.S.

Evaluación del modelo y metaestimadores

• Se hace obsoleta la entrada del constructor fit_params para model_selection.GridSearchCV y model_selection.RandomizedSearchCV en favor de pasar parámetros de palabras clave a los métodos fit de esas clases. Los parámetros dependientes de datos necesarios para el entrenamiento del modelo deben pasarse como argumentos de palabra clave a fit, y el cumplimiento de esta convención permitirá utilizar las clases de selección de hiperparámetros con herramientas como model_selection.cross_val_predict. #2879 por Stephen Hoover.

• En la versión 0.21, el comportamiento por defecto de los separadores que utilizan el parámetro test_size y train_size cambiará, de modo que si se especifica únicamente train_size, causará que test_size sea el resto. #7459 por Nelson Liu.

• multiclass.OneVsRestClassifier ahora tiene los métodos partial_fit, decision_function y predict_proba sólo cuando el estimador subyacente los tiene. #7812 por Andreas Müller y Mikhail Korobov.

• multiclass.OneVsRestClassifier ahora tiene un método partial_fit sólo si el estimador subyacente lo tiene. Por Andreas Müller.

• La forma de salida de decision_function para la clasificación binaria en multiclass.OneVsRestClassifier y multiclass.OneVsOneClassifier es ahora (n_samples,) para ajustarse a las convenciones de scikit-learn. #9100 por Andreas Müller.

• La función multioutput.MultiOutputClassifier.predict_proba solía devolver un arreglo 3D (n_samples, n_classes, n_outputs). En el caso de que diferentes columnas objetivo tuvieran diferentes números de clases, se produciría un ValueError al intentar apilar matrices con diferentes dimensiones. Esta función devuelve ahora una lista de arreglos donde la longitud de la lista es n_outputs, y cada arreglo es (n_samples, n_classes) para esa salida en particular. #8093 por Peter Bull.

• Se reemplaza el atributo named_steps dict a utils.Bunch en pipeline.Pipeline para habilitar la finalización de pestañas en el entorno interactivo. En caso de conflicto entre el valor del atributo named_steps y dict, se priorizará el comportamiento de dict. #8481 por Herilalaina Rakotoarison.

Misceláneos

• Se hace obsoleto el parámetro y en transform e inverse_transform. El método no debería aceptar el parámetro y, ya que se utiliza en el momento de la predicción. #8174 por Tahar Zanouda, Alexandre Gramfort and Raghav RV.

• SciPy >= 0.13.3 y NumPy >= 1.8.2 son ahora las versiones mínimas soportadas para scikit-learn. Las siguientes funciones respaldadas (backported) en utils han sido eliminadas o han quedado obsoletas en consecuencia. #8854 y #8874 por Naoya Kanai.

• Los parámetros store_covariances y covariances_ de discriminant_analysis.QuadraticDiscriminantAnalysis han sido renombrados a store_covariance y covariance_ para ser coherentes con los nombres de los parámetros correspondientes de discriminant_analysis.LinearDiscriminantAnalysis. Se eliminarán en la versión 0.21. #7998 por Jiacheng.

  Eliminado en 0.19:

  • utils.fixes.argpartition

  • utils.fixes.array_equal

  • utils.fixes.astype

  • utils.fixes.bincount

  • utils.fixes.expit

  • utils.fixes.frombuffer_empty

  • utils.fixes.in1d

  • utils.fixes.norm

  • utils.fixes.rankdata

  • utils.fixes.safe_copy

  Obsoleto en 0.19, se eliminará en 0.21:

  • utils.arpack.eigs

  • utils.arpack.eigsh

  • utils.arpack.svds

  • utils.extmath.fast_dot

  • utils.extmath.logsumexp

  • utils.extmath.norm

  • utils.extmath.pinvh

  • utils.graph.graph_laplacian

  • utils.random.choice

  • utils.sparsetools.connected_components

  • utils.stats.rankdata

• Los estimadores con ambos métodos decision_function y predict_proba ahora deben tener una relación monotónica entre ellos. Se ha añadido el método check_decision_proba_consistency en utils.estimator_checks para comprobar su consistencia. #7578 por Shubham Bhardwaj.

• Todas las comprobaciones en utils.estimator_checks, en particular utils.estimator_checks.check_estimator` ahora aceptan instancias de estimadores. La mayoría de las demás comprobaciones ya no aceptan clases de estimadores. #9019 por Andreas Müller.

• Se asegura que los atributos de los estimadores que terminan en _ no se establecen en el constructor, sino sólo en el método fit. En particular, los estimadores ensemble (derivados de ensemble.BaseEnsemble) ahora sólo tienen self.estimators_ disponible después de fit. #7464 por Lars Buitinck y Loic Esteve.

Colaboradores de código y documentación

Gracias a todos los que han contribuido al mantenimiento y la mejora del proyecto desde la versión 0.18, incluyendo:

Joel Nothman, Loic Esteve, Andreas Mueller, Guillaume Lemaitre, Olivier Grisel, Hanmin Qin, Raghav RV, Alexandre Gramfort, themrmax, Aman Dalmia, Gael Varoquaux, Naoya Kanai, Tom Dupré la Tour, Rishikesh, Nelson Liu, Taehoon Lee, Nelle Varoquaux, Aashil, Mikhail Korobov, Sebastin Santy, Joan Massich, Roman Yurchak, RAKOTOARISON Herilalaina, Thierry Guillemot, Alexandre Abadie, Carol Willing, Balakumaran Manoharan, Josh Karnofsky, Vlad Niculae, Utkarsh Upadhyay, Dmitry Petrov, Minghui Liu, Srivatsan, Vincent Pham, Albert Thomas, Jake VanderPlas, Attractadore, JC Liu, alexandercbooth, chkoar, Óscar Nájera, Aarshay Jain, Kyle Gilliam, Ramana Subramanyam, CJ Carey, Clement Joudet, David Robles, He Chen, Joris Van den Bossche, Karan Desai, Katie Luangkote, Leland McInnes, Maniteja Nandana, Michele Lacchia, Sergei Lebedev, Shubham Bhardwaj, akshay0724, omtcyfz, rickiepark, waterponey, Vathsala Achar, jbDelafosse, Ralf Gommers, Ekaterina Krivich, Vivek Kumar, Ishank Gulati, Dave Elliott, ldirer, Reiichiro Nakano, Levi John Wolf, Mathieu Blondel, Sid Kapur, Dougal J. Sutherland, midinas, mikebenfield, Sourav Singh, Aseem Bansal, Ibraim Ganiev, Stephen Hoover, AishwaryaRK, Steven C. Howell, Gary Foreman, Neeraj Gangwar, Tahar, Jon Crall, dokato, Kathy Chen, ferria, Thomas Moreau, Charlie Brummitt, Nicolas Goix, Adam Kleczewski, Sam Shleifer, Nikita Singh, Basil Beirouti, Giorgio Patrini, Manoj Kumar, Rafael Possas, James Bourbeau, James A. Bednar, Janine Harper, Jaye, Jean Helie, Jeremy Steward, Artsiom, John Wei, Jonathan LIgo, Jonathan Rahn, seanpwilliams, Arthur Mensch, Josh Levy, Julian Kuhlmann, Julien Aubert, Jörn Hees, Kai, shivamgargsya, Kat Hempstalk, Kaushik Lakshmikanth, Kennedy, Kenneth Lyons, Kenneth Myers, Kevin Yap, Kirill Bobyrev, Konstantin Podshumok, Arthur Imbert, Lee Murray, toastedcornflakes, Lera, Li Li, Arthur Douillard, Mainak Jas, tobycheese, Manraj Singh, Manvendra Singh, Marc Meketon, MarcoFalke, Matthew Brett, Matthias Gilch, Mehul Ahuja, Melanie Goetz, Meng, Peng, Michael Dezube, Michal Baumgartner, vibrantabhi19, Artem Golubin, Milen Paskov, Antonin Carette, Morikko, MrMjauh, NALEPA Emmanuel, Namiya, Antoine Wendlinger, Narine Kokhlikyan, NarineK, Nate Guerin, Angus Williams, Ang Lu, Nicole Vavrova, Nitish Pandey, Okhlopkov Daniil Olegovich, Andy Craze, Om Prakash, Parminder Singh, Patrick Carlson, Patrick Pei, Paul Ganssle, Paulo Haddad, Paweł Lorek, Peng Yu, Pete Bachant, Peter Bull, Peter Csizsek, Peter Wang, Pieter Arthur de Jong, Ping-Yao, Chang, Preston Parry, Puneet Mathur, Quentin Hibon, Andrew Smith, Andrew Jackson, 1kastner, Rameshwar Bhaskaran, Rebecca Bilbro, Remi Rampin, Andrea Esuli, Rob Hall, Robert Bradshaw, Romain Brault, Aman Pratik, Ruifeng Zheng, Russell Smith, Sachin Agarwal, Sailesh Choyal, Samson Tan, Samuël Weber, Sarah Brown, Sebastian Pölsterl, Sebastian Raschka, Sebastian Saeger, Alyssa Batula, Abhyuday Pratap Singh, Sergey Feldman, Sergul Aydore, Sharan Yalburgi, willduan, Siddharth Gupta, Sri Krishna, Almer, Stijn Tonk, Allen Riddell, Theofilos Papapanagiotou, Alison, Alexis Mignon, Tommy Boucher, Tommy Löfstedt, Toshihiro Kamishima, Tyler Folkman, Tyler Lanigan, Alexander Junge, Varun Shenoy, Victor Poughon, Vilhelm von Ehrenheim, Aleksandr Sandrovskii, Alan Yee, Vlasios Vasileiou, Warut Vijitbenjaronk, Yang Zhang, Yaroslav Halchenko, Yichuan Liu, Yuichi Fujikawa, affanv14, aivision2020, xor, andreh7, brady salz, campustrampus, Agamemnon Krasoulis, ditenberg, elena-sharova, filipj8, fukatani, gedeck, guiniol, guoci, hakaa1, hongkahjun, i-am-xhy, jakirkham, jaroslaw-weber, jayzed82, jeroko, jmontoyam, jonathan.striebel, josephsalmon, jschendel, leereeves, martin-hahn, mathurinm, mehak-sachdeva, mlewis1729, mlliou112, mthorrell, ndingwall, nuffe, yangarbiter, plagree, pldtc325, Breno Freitas, Brett Olsen, Brian A. Alfano, Brian Burns, polmauri, Brandon Carter, Charlton Austin, Chayant T15h, Chinmaya Pancholi, Christian Danielsen, Chung Yen, Chyi-Kwei Yau, pravarmahajan, DOHMATOB Elvis, Daniel LeJeune, Daniel Hnyk, Darius Morawiec, David DeTomaso, David Gasquez, David Haberthür, David Heryanto, David Kirkby, David Nicholson, rashchedrin, Deborah Gertrude Digges, Denis Engemann, Devansh D, Dickson, Bob Baxley, Don86, E. Lynch-Klarup, Ed Rogers, Elizabeth Ferriss, Ellen-Co2, Fabian Egli, Fang-Chieh Chou, Bing Tian Dai, Greg Stupp, Grzegorz Szpak, Bertrand Thirion, Hadrien Bertrand, Harizo Rajaona, zxcvbnius, Henry Lin, Holger Peters, Icyblade Dai, Igor Andriushchenko, Ilya, Isaac Laughlin, Iván Vallés, Aurélien Bellet, JPFrancoia, Jacob Schreiber, Asish Mahapatra