Versión 0.21.3

Leyenda para registros de cambios

• Major Feature : algo grande que no podías hacer antes.

• Feature : algo que no podías hacer antes.

• Efficiency : una característica existente ahora puede no requerir tanto cálculo o memoria.

• Enhancement : una mejora menor variada.

• Fix : algo que anteriormente no funcionaba según lo documentado – o según las expectativas razonables – ahora debería funcionar.

• API Change : tendrás que cambiar tu código para tener el mismo efecto en el futuro; o una característica será eliminada en el futuro.

30 de julio de 2019

Modelos modificados

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

• Las notas de publicación de la versión v0.20.0 no mencionan una incompatibilidad con versiones anteriores en metrics.make_scorer cuando needs_proba=True y y_true es binario. Ahora, se supone que la función scorer acepta un y_pred 1D (es decir, la probabilidad de la clase positiva, de forma (n_samples,)), en lugar de un y_pred 2D (es decir, de forma (n_samples, 2)).

Registro de cambios

sklearn.cluster

• Fix Se ha corregido un error en cluster.KMeans por el que el cálculo con init='random' era de un solo hilo cuando `n_jobs > 1 o n_jobs = -1. #12955 por Prabakaran Kumaresshan.

• Fix Se ha corregido un error en cluster.OPTICS por el que los usuarios no podían pasar números de punto flotante (float) min_samples y min_cluster_size. #14496 por Fabian Klopfer y Hanmin Qin.

• Fix Se ha corregido un error en cluster.KMeans por el que la inicialización de KMeans++ podía provocar raramente un IndexError. #11756 por Joel Nothman.

sklearn.compose

• Fix Se ha corregido una incidencia en compose.ColumnTransformer donde el uso de DataFrames cuyo orden de columnas difiere entre :func:fit y :func:transform podía llevar a pasar silenciosamente columnas incorrectas al transformador remainder. #14237 por Andreas Schuderer <schuderer>.

sklearn.datasets

• Fix datasets.fetch_california_housing, datasets.fetch_covtype, datasets.fetch_kddcup99, datasets.fetch_olivetti_faces, datasets.fetch_rcv1, y datasets.fetch_species_distributions intentan conservar la caché anterior utilizando la nueva joblib si los datos almacenados en la caché se conservaron utilizando la obsoleta sklearn.externals.joblib. Este comportamiento se establece como obsoleto y se elimina en la v0.23. #14197 por Adrin Jalali.

sklearn.ensemble

• Fix Se corrigió el error de división por cero en HistGradientBoostingClassifier y HistGradientBoostingRegressor. #14024 por Nicolas Hug <NicolasHug>.

sklearn.impute

• Fix Se corrigió un error en impute.SimpleImputer y en impute.IterativeImputer para que no se produzcan errores cuando hay valores faltantes en los datos de entrenamiento. #13974 por Frank Hoang <fhoang7>.

sklearn.inspection

• Fix Se ha corregido un error en inspection.plot_partial_dependence por el que no se tenía en cuenta el parámetro target para los problemas multiclase. #14393 por Guillem G. Subies.

sklearn.linear_model

• Fix Se ha corregido un error en linear_model.LogisticRegressionCV donde refit=False fallaría dependiendo de los parámetros 'multiclass' y 'penalty' (regresión introducida en 0.21). #14087 por Nicolas Hug.

• Fix Corrección de compatibilidad para linear_model.ARDRegression y Scipy>=1.3.0. Se adapta a los cambios en el umbral de corte predeterminado de pinvh que, de lo contrario, da lugar a una mala exactitud en algunos casos. #14067 por Tim Staley.

sklearn.neighbors

• Fix Se ha corregido un error en neighbors.NeighborhoodComponentsAnalysis por el que la validación de los parámetros iniciales n_components, max_iter y tol requería tipos demasiado estrictos. #14092 por Jérémie du Boisberranger.

sklearn.tree

• Fix Corregido error en tree.export_text cuando el árbol tiene una característica y se pasa un único nombre de característica. #14053 por Thomas Fan.

• Fix Se ha corregido un problema con plot_tree en el que se mostraban los cálculos de entropía incluso para el criterio gini en DecisionTreeClassifiers. #13947 por Frank Hoang.

Versión 0.21.2

24 de mayo de 2019

Registro de cambios

sklearn.decomposition

• Fix Se ha corregido un error en cross_decomposition.CCA mejorando la estabilidad numérica cuando Y es cercano a cero. #13903 por Thomas Fan.

sklearn.metrics

• Fix Se ha corregido un error en metrics.pairwise.euclidean_distances por el que una parte de la matriz de distancias se dejaba sin instanciar para conjuntos de datos float32 suficientemente grandes (regresión introducida en 0.21). #13910 por Jérémie du Boisberranger.

sklearn.preprocessing

• Fix Se ha corregido un error en preprocessing.OneHotEncoder por el que el nuevo parámetro drop no se reflejaba en get_feature_names. #13894 por James Myatt.

sklearn.utils.sparsefuncs

• Fix Se ha corregido un error donde min_max_axis fallaba en sistemas de 32 bits para ciertas entradas grandes. Esto afecta a preprocessing.MaxAbsScaler, preprocessing.normalize y preprocessing.LabelBinarizer. #13741 por Roddy MacSween.

Versión 0.21.1

17 de mayo de 2019

Esta es una versión de corrección de errores para resolver principalmente algunas incidencias de empaquetado de la versión 0.21.0. También incluye mejoras menores en la documentación y algunas correcciones de errores.

Registro de cambios

sklearn.inspection

• Fix Se ha corregido un error en inspection.partial_dependence para que sólo compruebe el clasificador y no el regresor para el caso de multiclase-multisalida. #14309 por Guillaume Lemaitre.

sklearn.metrics

• Fix Se ha corregido un error en metrics.pairwise_distances donde aparecía AttributeError para métricas booleanas cuando X tenía un dtype booleano y Y == None. #13864 por Paresh Mathur.

• Fix Se han corregido dos errores en metrics.pairwise_distances cuando n_jobs > 1. En primer lugar, solía devolver una matriz de distancias con el mismo tipo de entrada (dtype), incluso para un tipo de entrada entero. Luego la diagonal no era cero para la métrica euclidiana cuando Y es X. #13877 por Jérémie du Boisberranger.

sklearn.neighbors

• Fix Se ha corregido un error en neighbors.KernelDensity que no podía restaurarse desde un pickle si se había utilizado sample_weight. #13772 por Aditya Vyas.

Versión 0.21.0

Mayo de 2019

Modelos modificados

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

• discriminant_analysis.LinearDiscriminantAnalysis para clasificación multiclase. Fix

• discriminant_analysis.LinearDiscriminantAnalysis con solucionador “eigen”. Fix

• linear_model.BayesianRidge Fix

• Árboles de decisión y ensembles derivados cuando se establecen tanto max_depth como max_leaf_nodes. Fix

• linear_model.LogisticRegression y linear_model.LogisticRegressionCV con solucionador “saga”. Fix

• ensemble.GradientBoostingClassifier Fix

• sklearn.feature_extraction.text.HashingVectorizer, sklearn.feature_extraction.text.TfidfVectorizer y sklearn.feature_extraction.text.CountVectorizer Fix

• neural_network.MLPClassifier Fix

• svm.SVC.decision_function y multiclass.OneVsOneClassifier.decision_function. Fix

• linear_model.SGDClassifier y cualquier clasificador derivado. Fix

• Cualquier modelo que utilice la función linear_model._sag.sag_solver con una semilla 0, incluyendo linear_model.LogisticRegression, linear_model.LogisticRegressionCV, linear_model.Ridge, y linear_model.RidgeCV con el solucionador “sag”. Fix

• linear_model.RidgeCV cuando se utiliza la validación cruzada dejando uno fuera (leave-one-out) con entradas dispersas. Fix

Los detalles se encuentran en el registro de cambios más abajo.

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

Principales Errores Conocidos

• El valor predeterminado de max_iter para linear_model.LogisticRegression es demasiado pequeño para muchos solucionadores dado el valor predeterminado de tol. En particular, cambiamos accidentalmente el valor predeterminado de max_iter para el solucionador liblinear de 1000 a 100 iteraciones en #3591 publicado en la versión 0.16. En una futura versión esperamos elegir mejor los valores predeterminados de max_iter y tol de forma heurística dependiendo del solucionador (ver #13317).

Registro de cambios

El soporte para Python 3.4 e inferior ha sido oficialmente eliminado.

sklearn.base

• API Change La puntuación R2 utilizada cuando se llama a score en un regresor utilizará multioutput='uniform_average' desde la versión 0.23 para mantener la coherencia con metrics.r2_score. Esto influirá en el método score de todos los regresores de salida múltiple (excepto en multioutput.MultiOutputRegressor). #13157 por Hanmin Qin.

sklearn.calibration

• Enhancement Se ha añadido soporte para dividir los datos pasados a calibration.calibration_curve por cuantiles en lugar de uniformemente entre 0 y 1. #13086 por Scott Cole.

• Enhancement Se permiten arreglos n-dimensionales como entrada para calibration.CalibratedClassifierCV. #13485 por William de Vazelhes.

sklearn.cluster

• Major Feature Un nuevo algoritmo de agrupamiento: cluster.OPTICS: un algoritmo relacionado con cluster.DBSCAN, que tiene hiperparámetros más fáciles de establecer y que escala mejor, por Shane, Adrin Jalali, Erich Schubert, Hanmin Qin, y Assia Benbihi.

• Fix Se ha corregido un error por el que cluster.Birch podía ocasionalmente lanzar un AttributeError. #13651 por Joel Nothman.

• Fix Se ha corregido un error en cluster.KMeans por el que los conglomerados vacíos no se reubicaban correctamente cuando se utilizaban ponderaciones de muestra. #13486 por Jérémie du Boisberranger.

• API Change El atributo n_components_ en cluster.AgglomerativeClustering y cluster.FeatureAgglomeration ha sido renombrado a n_connected_components_. #13427 por Stephane Couvreur.

• Enhancement cluster.AgglomerativeClustering y cluster.FeatureAgglomeration ahora aceptan un parámetro distance_threshold que puede utilizarse para encontrar los conglomerados en lugar de n_clusters. #9069 por Vathsala Achar y Adrin Jalali.

sklearn.compose

• API Change compose.ColumnTransformer ya no es una función experimental. #13835 por Hanmin Qin.

sklearn.datasets

• Fix Se ha añadido soporte para IDs de grupo de 64 bits y punteros en archivos SVMLight. #10727 por Bryan K Woods.

• Fix datasets.load_sample_images devuelve imágenes con un orden determinístico. #13250 por Thomas Fan.

sklearn.decomposition

• Enhancement decomposition.KernelPCA ahora tiene una salida determinista (resuelta la ambigüedad de signo en la descomposición de valores propios de la matriz kernel). #13241 por Aurélien Bellet.

• Fix Se ha corregido un error en decomposition.KernelPCA, fit().transform() ahora produce la salida correcta (la misma que fit_transform()) en caso de autovalores no eliminados (remove_zero_eig=False). También se ha acelerado fit_inverse_transform utilizando el mismo truco que en fit_transform para calcular la transformada de X. #12143 por Sylvain Marié

• Fix Se ha corregido un error en decomposition.NMF donde init = 'nndsvd', init = 'nndsvda', y init = 'nndsvdar' se permiten cuando n_components < n_features en lugar de n_components <= min(n_samples, n_features). #11650 por Hossein Pourbozorg y Zijie (ZJ) Poh.

• API Change El valor predeterminado del argumento init en decomposition.non_negative_factorization cambiará de random a None en la versión 0.23 para hacerlo consistente con decomposition.NMF. Se genera un FutureWarning cuando se utiliza el valor predeterminado. #12988 por Zijie (ZJ) Poh.

sklearn.discriminant_analysis

• Enhancement discriminant_analysis.LinearDiscriminantAnalysis ahora preserva los dtypes float32 y float64. #8769 y #11000 por Thibault Sejourne

• Fix Ahora se genera un ChangedBehaviourWarning cuando discriminant_analysis.LinearDiscriminantAnalysis se da como parámetro n_components > min(n_features, n_classes - 1), y n_components se cambia a min(n_features, n_classes - 1) si es así. Anteriormente el cambio se hizo, pero en silencio. #11526 por William de Vazelhes.

• Fix Se ha corregido un error en discriminant_analysis.LinearDiscriminantAnalysis por el que las probabilidades predichas se calculaban incorrectamente en el caso multiclase. #6848, por Agamemnon Krasoulis y Guillaume Lemaitre <glemaitre>.

• Fix Se ha corregido un error en discriminant_analysis.LinearDiscriminantAnalysis por el que las probabilidades predichas se calculaban incorrectamente con el solucionador eigen. #11727, por Agamemnon Krasoulis.

sklearn.dummy

• Fix Se ha corregido un error en dummy.DummyClassifier por el que el método predict_proba devolvía un arreglo de int32 en lugar de float64 para la estrategia stratified. #13266 por Christos Aridas.

• Fix Se ha corregido un error en dummy.DummyClassifier por el que se generaba un error de desajuste de dimensiones en el tiempo de predicción si se daba un vector columna y con shape=(n, 1) en tiempo de fit. #13545 por Nick Sorros y Adrin Jalali.

sklearn.ensemble

• Major Feature Se añaden dos nuevas implementaciones de árboles de potenciación del gradiente: ensemble.HistGradientBoostingClassifier y ensemble.HistGradientBoostingRegressor. La implementación de estos estimadores está inspirada en LightGBM y puede ser órdenes de magnitud más rápida que ensemble.GradientBoostingRegressor y ensemble.GradientBoostingClassifier cuando el número de muestras es mayor que decenas de miles de muestras. La API de estos nuevos estimadores es ligeramente diferente, y algunas de las características de ensemble.GradientBoostingClassifier y ensemble.GradientBoostingRegressor aún no son compatibles.

  Estos nuevos estimadores son experimentales, lo que significa que sus resultados o su API podrían cambiar sin ningún ciclo de obsolescencia. Para utilizarlos, es necesario importar explícitamente enable_hist_gradient_boosting:

  >>> # explicitly require this experimental feature
  >>> from sklearn.experimental import enable_hist_gradient_boosting  # noqa
  >>> # now you can import normally from sklearn.ensemble
  >>> from sklearn.ensemble import HistGradientBoostingClassifier
  

  #12807 por Nicolas Hug.

• Feature Se añade ensemble.VotingRegressor que proporciona un equivalente de ensemble.VotingClassifier para problemas de regresión. #12513 por Ramil Nugmanov y Mohamed Ali Jamaoui.

• Efficiency Se hace que ensemble.IsolationForest prefiera los hilos sobre los procesos cuando se ejecuta con n_jobs > 1 ya que las llamadas de ajuste del árbol de decisión subyacente liberan el GIL. Este cambio reduce el uso de memoria y la sobrecarga de comunicación. #12543 por Isaac Storch y Olivier Grisel.

• Efficiency Se hace más eficiente la memoria de ensemble.IsolationForest evitando mantener en memoria cada predicción del árbol. #13260 por Nicolas Goix.

• Efficiency ensemble.IsolationForest ahora utiliza porciones de datos en el paso de predicción, limitando así el uso de memoria. #13283 por Nicolas Goix.

• Efficiency Ahora sklearn.ensemble.GradientBoostingClassifier y sklearn.ensemble.GradientBoostingRegressor mantienen la entrada y como float64 para evitar que sea copiada internamente por los árboles. #13524 por Adrin Jalali.

• Enhancement Se ha minimizado la validación de X en ensemble.AdaBoostClassifier y ensemble.AdaBoostRegressor #13174 por Christos Aridas.

• Enhancement ensemble.IsolationForest ahora expone el parámetro warm_start, permitiendo la adición iterativa de árboles a un bosque de aislamiento. #13496 por Peter Marko.

• Fix Los valores de feature_importances_ en todos los modelos basados en bosques aleatorios (es decir, ensemble.RandomForestClassifier, ensemble.RandomForestRegressor, ensemble. ExtraTreesClassifier, ensemble.ExtraTreesRegressor, ensemble.RandomTreesEmbedding, ensemble.GradientBoostingClassifier, y ensemble.GradientBoostingRegressor) ahora:

  • suma hasta 1

  • se ignoran todos los árboles de un solo nodo en el cálculo de la importancia de las características

  • en caso de que todos los árboles tengan un solo nodo (es decir, un nodo raíz), las importancias de las características serán un arreglo de todos los ceros.

  #13636 y #13620 por Adrin Jalali.

• Fix Se ha corregido un error en ensemble.GradientBoostingClassifier y ensemble.GradientBoostingRegressor, que no admitían los estimadores de scikit-learn como estimador inicial. También se ha añadido soporte para el estimador inicial que no admitía ponderaciones de muestra. #12436 por Jérémie du Boisberranger y #12983 por Nicolas Hug.

• Fix Corregida la salida de la longitud promedio del camino calculada en ensemble.IsolationForest cuando la entrada es 0, 1 o 2. #13251 por Albert Thomas y joshuakennethjones.

• Fix Se ha corregido un error en ensemble.GradientBoostingClassifier por el que los gradientes se calculaban incorrectamente en problemas de clasificación multiclase. #12715 por Nicolas Hug.

• Fix Se ha corregido un error en ensemble.GradientBoostingClassifier por el que los conjuntos de validación para la parada temprana no se muestreaban con estratificación. #13164 por Nicolas Hug.

• Fix Se ha corregido un error en ensemble.GradientBoostingClassifier por el que la predicción inicial por defecto de un clasificador multiclase predecía las clases a priori en lugar del logaritmo de las mismas. #12983 por Nicolas Hug.

• Fix Se ha corregido un error en ensemble.RandomForestClassifier por el que el método predict daba un error en los modelos de bosques multiclase multisalida si algún objetivo era una cadena. #12834 por Elizabeth Sander.

• Fix Se ha corregido un error en ensemble.gradient_boosting.LossFunction y ensemble.gradient_boosting.LeastSquaresError donde el valor predeterminado de learning_rate en update_terminal_regions no es consistente con el documento y las funciones de llamada. Ten en cuenta, sin embargo, que el uso directo de estas funciones de pérdida está obsoleto. #6463 by movelikeriver.

• Fix ensemble.partial_dependence (y en consecuencia la nueva versión sklearn.inspection.partial_dependence) ahora tiene en cuenta las ponderaciones de la muestra para el cálculo de la dependencia parcial cuando el modelo de potenciación del gradiente ha sido entrenado con ponderaciones de la muestra. #13193 por Samuel O. Ronsin.

• API Change ensemble.partial_dependence y ensemble.plot_partial_dependence están ahora obsoletos en favor de inspection.partial_dependence y inspection.plot_partial_dependence. #12599 por Trevor Stephens y Nicolas Hug.

• Fix ensemble.VotingClassifier y ensemble.VotingRegressor fallaban durante fit en uno de los estimadores se establecía como None y sample_weight no era None. #13779 por Guillaume Lemaitre.

• API Change ensemble.VotingClassifier y ensemble.VotingRegressor aceptan 'drop' para desactivar un estimador además de None para ser consistentes con otros estimadores (es decir, pipeline.FeatureUnion y compose.ColumnTransformer). #13780 por Guillaume Lemaitre.

sklearn.externals

• API Change Se ha eliminado externals.six ya que se ha dejado de dar soporte a Python 2.7. #12916 por Hanmin Qin.

sklearn.feature_extraction

• Fix Si input='file' o input='filename', y se da un invocable como analyzer, sklearn.feature_extraction.text.HashingVectorizer, sklearn.feature_extraction.text.TfidfVectorizer, y sklearn. feature_extraction.text.CountVectorizer ahora leen los datos del o de los archivos y los pasan al analyzer dado, en lugar de pasar el nombre del o de los archivo o el(los) objeto(s) del archivo al analyzer. #13641 por Adrin Jalali.

sklearn.impute

• Major Feature Se ha añadido impute.IterativeImputer, que es una estrategia para la imputación de valores faltantes mediante el modelado de cada característica con valores faltantes en función de otras características de forma round-robin. #8478 y #12177 por Sergey Feldman y Ben Lawson.

  La API de IterativeImputer es experimental y está sujeta a cambios sin ningún ciclo de obsolescencia. Para utilizarlas, es necesario importar explícitamente enable_iterative_imputer:

  >>> from sklearn.experimental import enable_iterative_imputer  # noqa
  >>> # now you can import normally from sklearn.impute
  >>> from sklearn.impute import IterativeImputer
  

• Feature Los impute.SimpleImputer y impute.IterativeImputer tienen un nuevo parámetro 'add_indicator, que simplemente apila una transformación impute.MissingIndicator en la salida de la transformación del imputador. Esto permite que un estimador predictivo tenga en cuenta la falta de datos. #12583, #13601 por Danylo Baibak.

• Fix En impute.MissingIndicator se evita la densificación implícita generando una excepción si la entrada es dispersa y la propiedad missing_values se establece en 0. #13240 por Bartosz Telenczuk.

• Fix Se han corregido dos errores en impute.MissingIndicator. En primer lugar, cuando X es disperso, todos los valores distintos de cero no faltantes solían convertirse en Falso explícito en los datos transformados. Luego, cuando features='missing-only', todas las características solían mantenerse si no había ningún valor faltante. #13562 por Jérémie du Boisberranger.

sklearn.inspection

(nuevo subpaquete)

• Feature Los gráficos de dependencia parcial (inspection.plot_partial_dependence) ahora son compatibles con cualquier regresor o clasificador (siempre que tengan un método predict_proba). #12599 por Trevor Stephens y Nicolas Hug.

sklearn.isotonic

• Feature Se han permitido diferentes dtypes (como float32) en isotonic.IsotonicRegression. #8769 por Vlad Niculae

sklearn.linear_model

• Enhancement linear_model.Ridge ahora preserva los dtypes float32 y float64. #8769 y #11000 por Guillaume Lemaitre, y Joan Massich

• Feature linear_model.LogisticRegression y linear_model.LogisticRegressionCV ahora admiten la penalización Elastic-Net, con el solucionador “saga”. #11646 por Nicolas Hug.

• Feature Se ha añadido linear_model.lars_path_gram, que es linear_model.lars_path en el modo de estadísticas suficientes, permitiendo a los usuarios calcular linear_model.lars_path sin proporcionar X e y. #11699 por Kuai Yu.

• Efficiency linear_model.make_dataset ahora preserva los dtypes float32 y float64, reduciendo el consumo de memoria en los solucionadores de gradiente estocástico, SAG y SAGA. #8769 y #11000 por Nelle Varoquaux, Arthur Imbert, Guillaume Lemaitre, y Joan Massich

• Enhancement linear_model.LogisticRegression ahora admite un objetivo no regularizado cuando se pasa penalty='none'. Esto es equivalente a establecer C=np.inf con regularización l2. No es compatible con el solucionador liblinear. #12860 por Nicolas Hug.

• Enhancement El solucionador sparse_cg en linear_model.Ridge ahora soporta el ajuste del intercepto (es decir, fit_intercept=True) cuando las entradas son dispersas. #13336 por Bartosz Telenczuk.

• Enhancement El solucionador de descenso coordinado utilizado en Lasso, ElasticNet, etc. ahora emite un ConvergenceWarning cuando se completa sin cumplir la tolerancia deseada. #11754 y #13397 por Brent Fagan y Adrin Jalali.

• Fix Se ha corregido un error en linear_model.LogisticRegression y linear_model.LogisticRegressionCV con el solucionador “saga”, donde las ponderaciones no se actualizaban correctamente en algunos casos. #11646 por Tom Dupre la Tour.

• Fix Se ha corregido la media posterior, la covarianza posterior y los parámetros de regularización devueltos en linear_model.BayesianRidge. La media posterior y la covarianza posterior no eran las calculadas con la última actualización de los parámetros de regularización y los parámetros de regularización devueltos no eran los finales. También se ha corregido la fórmula de la probabilidad marginal logarítmica utilizada para calcular la puntuación cuando compute_score=True. #12174 por Albert Thomas.

• Fix Se ha corregido un error en linear_model.LassoLarsIC, por el que la entrada del usuario copy_X=False en la creación de la instancia era sobreescrita por el valor del parámetro por defecto copy_X=True en ``fit`. #12972 por Lucio Fernandez-Arjona

• Fix Se ha corregido un error en linear_model.LinearRegression que no devolvía los mismos coeficientes e interceptos con fit_intercept=True en casos dispersos y densos. #13279 por Alexandre Gramfort

• Fix Se ha corregido un error en linear_model.HuberRegressor que se rompía cuando X era de tipo (dtype) bool. #13328 por Alexandre Gramfort.

• Fix Se ha corregido un problema de rendimiento de los solucionadores saga y sag cuando se invocan en una configuración joblib.Parallel con n_jobs > 1 y backend="threading", lo que provocaba un peor rendimiento que en el caso secuencial. #13389 por Pierre Glaser.

• Fix Se ha corregido un error en linear_model.stochastic_gradient.BaseSGDClassifier que no era determinístico cuando se entrenaba en un entorno multiclase en varios hilos. #13422 por Clément Doumouro.

• Fix Se ha corregido un error en linear_model.ridge_regression, linear_model.Ridge y linear_model.RidgeClassifier que provocaba una excepción no controlada para los argumentos return_intercept=True y solver=auto (por defecto) o cualquier otro solucionador diferente de sag. #13363 por Bartosz Telenczuk

• Fix linear_model.ridge_regression ahora generará una excepción si return_intercept=True y el solucionador es diferente de sag. Anteriormente, sólo se emitía una advertencia. #13363 by Bartosz Telenczuk

• Fix linear_model.ridge_regression elegirá el solucionador sparse_cg para entradas dispersas cuando se proporcione solver=auto y sample_weight (anteriormente se seleccionaba el solucionador cholesky). #13363 by Bartosz Telenczuk

• API Change El uso de linear_model.lars_path con X=None al pasar Gram está obsoleto en la versión 0.21 y se eliminará en la versión 0.23. Utiliza linear_model.lars_path_gram en su lugar. #11699 por Kuai Yu.

• API Change linear_model.logistic_regression_path está obsoleto en la versión 0.21 y se eliminará en la versión 0.23. #12821 por Nicolas Hug.

• Fix linear_model.RidgeCV con validación cruzada dejando uno fuera (leave-one-out) ahora ajusta correctamente un intercepto cuando fit_intercept=True y la matriz de diseño es dispersa. #13350 by Jérôme Dockès

sklearn.manifold

• Efficiency Se hace que manifold.tsne.trustworthiness utilice un índice invertido en lugar de una búsqueda np.where para encontrar el rango de vecinos en el espacio de entrada. Esto mejora la eficiencia en particular cuando se calcula con muchos vecinos y/o conjuntos de datos pequeños. #9907 por William de Vazelhes.

sklearn.metrics

• Feature Se ha añadido la métrica metrics.max_error y el correspondiente puntuador 'max_error' para la regresión de salida única. #12232 por Krishna Sangeeth.

• Feature Se añade metrics.multilabel_confusion_matrix, que calcula una matriz de confusión con recuentos de verdaderos positivos, falsos positivos, falsos negativos y verdaderos negativos para cada clase. Esto facilita el cálculo de las métricas por conjuntos, como la exhaustividad, la especificidad, la caída y la tasa de fallos. #11179 por Shangwu Yao y Joel Nothman.

• Feature Se ha añadido metrics.jaccard_score para calcular el coeficiente de Jaccard como métrica de evaluación para tareas binarias, multietiqueta y multiclase, con una interfaz análoga a la de metrics.f1_score. #13151 por Gaurav Dhingra y Joel Nothman.

• Feature Se ha añadido metrics.pairwise.haversine_distances a la que se puede acceder con metric='pairwise' a través de metrics.pairwise_distances y los estimadores. (La distancia de Haversine estaba disponible anteriormente para el cálculo de vecinos más cercanos). #12568 por Wei Xue, Emmanuel Arias y Joel Nothman.

• Efficiency metrics.pairwise_distances más rápido con n_jobs > 1 utilizando un backend basado en hilos, en lugar de backends basados en procesos. #8216 por Pierre Glaser y Romuald Menuet

• Efficiency Las distancias de manhattan por pares con entrada dispersa ahora utiliza el BLAS enviado con scipy en lugar del BLAS incluido. #12732 por Jérémie du Boisberranger

• Enhancement Se usa la etiqueta accuracy en lugar de micro-average en metrics.classification_report para evitar confusiones. micro-average sólo se muestra para multietiqueta o para multiclase con un subconjunto de clases, ya que, por lo demás, es idéntica a la exactitud. #12334 by Emmanuel Arias, Joel Nothman and Andreas Müller

• Enhancement Se ha añadido el parámetro beta a metrics.homogeneity_completeness_v_measure y metrics.v_measure_score para configurar la compensación entre homogeneidad y completitud. #13607 por Stephane Couvreur y y Ivan Sanchez.

• Fix La métrica metrics.r2_score está degenerada con una sola muestra y ahora devuelve NaN y genera exceptions.UndefinedMetricWarning. #12855 por Pawel Sendyk.

• Fix Se ha corregido un error por el que metrics.brier_score_loss devolvía a veces un resultado incorrecto cuando sólo había una clase en y_true. #13628 por Hanmin Qin.

• Fix Se ha corregido un error en metrics.label_ranking_average_precision_score por el que no se tenía en cuenta sample_weight para las muestras con etiquetas degeneradas. #13447 por Dan Ellis.

• API Change El parámetro labels en metrics.hamming_loss está obsoleto en la versión 0.21 y se eliminará en la versión 0.23. #10580 por Reshama Shaikh y Sandra Mitrovic.

• Fix La función metrics.pairwise.euclidean_distances, y por tanto varios estimadores con metric='euclidean', sufrían problemas de precisión numérica con las características float32. Se ha aumentado la precisión a costa de una pequeña caída del rendimiento. #13554 por @Celelibi y Jérémie du Boisberranger.

• API Change metrics.jaccard_similarity_score queda obsoleto en favor de metrics.jaccard_score, más coherente. El comportamiento anterior para objetivos binarios y multiclase no funciona. #13151 por Joel Nothman.

sklearn.mixture

• Fix Se ha corregido un error en mixture.BaseMixture y, por tanto, en los estimadores basados en ella, es decir, mixture.GaussianMixture y mixture.BayesianGaussianMixture, donde fit_predict y fit.predict no eran equivalentes. #13142 por Jérémie du Boisberranger.

sklearn.model_selection

• Feature Las clases GridSearchCV y RandomizedSearchCV ahora permiten refit=callable para añadir flexibilidad en la identificación del mejor estimador. Ver Balancear la complejidad del modelo y la puntuación de validación cruzada. #11354 por Wenhao Zhang, Joel Nothman y Adrin Jalali.

• Enhancement Las clases GridSearchCV, RandomizedSearchCV, y los métodos cross_val_score, cross_val_predict, cross_validate, ahora imprimen las puntuaciones del entrenamiento cuando return_train_scores es True y verbose > 2. Para learning_curve, y validation_curve sólo se requiere esta última. #12613 y #12669 por Marc Torrellas.

• Enhancement Algunas clases de separador de CV y model_selection.train_test_split ahora producen un ValueError cuando el conjunto de entrenamiento resultante está vacío. #12861 por Nicolas Hug.

• Fix Se ha corregido un error por el que model_selection.StratifiedKFold revuelve las muestras de cada clase con el mismo random_state, haciendo que shuffle=True sea ineficaz. #13124 por Hanmin Qin.

• Fix Se ha añadido la posibilidad de que model_selection.cross_val_predict maneje objetivos multietiqueta (y multisalida-multiclase) con métodos de tipo predict_proba. #8773 por Stephen Hoover.

• Fix Se ha corregido un problema en cross_val_predict por el que method="predict_proba" devolvía siempre 0.0 cuando se excluía una de las clases en un pliegue de validación cruzada. #13366 por Guillaume Fournier

sklearn.multiclass

• Fix Se ha corregido un problema en multiclass.OneVsOneClassifier.decision_function por el que el valor de decision_function de una muestra dada era diferente dependiendo de si decision_function se evaluaba en la muestra sola o en un lote que contenía esta misma muestra debido al escalamiento utilizado en decision_function. #10440 por Jonathan Ohayon.

sklearn.multioutput

• Fix Se ha corregido un error en multioutput.MultiOutputClassifier por el que el método predict_proba comprobaba incorrectamente el atributo predict_proba en el objeto estimador (estimator). #12222 por Rebekah Kim

sklearn.neighbors

• Major Feature Se ha añadido neighbors.NeighborhoodComponentsAnalysis para el aprendizaje métrico, que implementa el algoritmo de análisis de componentes del vecindario (Neighborhood Components Analysis). #10058 por William de Vazelhes y John Chiotellis.

• API Change Los métodos en neighbors.NearestNeighbors : kneighbors, radius_neighbors, kneighbors_graph, radius_neighbors_graph ahora generan NotFittedError, en lugar de AttributeError, cuando se llaman antes de fit. #12279 por Krishna Sangeeth.

sklearn.neural_network

• Fix Se ha corregido un error en neural_network.MLPClassifier y neural_network.MLPRegressor por el que se ignoraba la opción shuffle=False. #12582 por Sam Waterbury.

• Fix Se ha corregido un error en neural_network.MLPClassifier por el que los conjuntos de validación para la parada anticipada no se muestreaban con estratificación. Sin embargo, en el caso multietiqueta, las divisiones siguen sin estar estratificadas. #13164 por Nicolas Hug.

sklearn.pipeline

• Feature pipeline.Pipeline ahora puede utilizar la notación de indexación (por ejemplo, my_pipeline[0:-1]) para extraer una subsecuencia de pasos como otra instancia de Pipeline. Un Pipeline también puede ser indexado directamente para extraer un paso particular (por ejemplo, mi_pipeline['svc']), en lugar de acceder a named_steps. #2568 por Joel Nothman.

• Feature Se ha añadido el parámetro opcional verbose en pipeline.Pipeline, compose.ColumnTransformer y pipeline.FeatureUnion y los correspondientes (helpers) make_ para mostrar el progreso y el tiempo de cada paso. #11364 por Baze Petrushev, Karan Desai, Joel Nothman, y Thomas Fan.

• Enhancement pipeline.Pipeline ahora admite el uso de 'passthrough' como transformador, con el mismo efecto que None. #11144 por Thomas Fan.

• Enhancement pipeline.Pipeline implementa __len__ y por tanto len(pipeline) devuelve el número de pasos del pipeline. #13439 por Lakshya KD.

sklearn.preprocessing

• Feature preprocessing.OneHotEncoder ahora admite la eliminación de una característica por categoría con un nuevo parámetro de eliminación. #12908 por Drew Johnston.

• Efficiency preprocessing.OneHotEncoder y preprocessing.OrdinalEncoder ahora manejan DataFrames de pandas de forma más eficiente. #13253 por @maikia.

• Efficiency Se hace que preprocessing.MultiLabelBinarizer almacene en caché los mapeos de clase en lugar de calcularlas cada vez sobre la marcha. #12116 por Ekaterina Krivich y Joel Nothman.

• Efficiency preprocessing.PolynomialFeatures ahora admite matrices de filas dispersas comprimidas (compressed sparse row, CSR) como entrada para grados 2 y 3. Esto suele ser mucho más rápido que el caso denso, ya que escala con la densidad de la matriz y el grado de expansión (en el orden de densidad^grado), y es mucho, mucho más rápido que el caso de columnas dispersas comprimidas (compressed sparse column, CSC). #12197 por Andrew Nystrom.

• Efficiency Mejora de la velocidad en preprocessing.PolynomialFeatures, en el caso denso. También se ha añadido un nuevo parámetro order que controla el orden de salida para obtener más rendimiento de velocidad. #12251 por Tom Dupre la Tour.

• Fix Se ha corregido el exceso de cálculo al utilizar un dtype float16 con preprocessing.StandardScaler. #13007 por Raffaello Baluyot

• Fix Se ha corregido un error en preprocessing.QuantileTransformer y preprocessing.quantile_transform para forzar que n_quantiles sea como máximo igual a n_samples. Los valores de n_cuantiles mayores que n_samples eran inútiles o daban lugar a una aproximación errónea del estimador de la función de distribución acumulada. #13333 por Albert Thomas.

• API Change El valor predeterminado de copy en preprocessing.quantile_transform cambiará de False a True en 0.23 para hacerlo más consistente con los valores predeterminados de copy de otras funciones en preprocessing y evitar efectos secundarios inesperados al modificar el valor de X in place. #13459 por Hunter McGushion.

sklearn.svm

• Fix Se ha solucionado un problema en svm.SVC.decision_function cuando decision_function_shape='ovr'. El valor de decision_function de una muestra dada era diferente dependiendo de si decision_function se evaluaba en la muestra sola o en un lote que contenía esta misma muestra debido al escalamiento utilizado en decision_function. #10440 por Jonathan Ohayon.

sklearn.tree

• Feature Los Árboles de Decisión ahora pueden graficarse con matplotlib utilizando tree.plot_tree sin depender de la biblioteca dot, eliminando una dependencia difícil de instalar. #8508 por Andreas Müller.

• Feature Los Árboles de Decisión ahora pueden exportarse en un formato textual legible para los humanos utilizando tree.export_text. #6261 por Giuseppe Vettigli <JustGlowing>.

• Feature get_n_leaves() y get_depth() se han agregado a tree.BaseDecisionTree y, en consecuencia, a todos los estimadores basados en él, incluyendo tree.DecisionTreeClassifier, tree.DecisionTreeRegressor, tree.ExtraTreeClassifier, y tree.ExtraTreeRegressor. #12300 por Adrin Jalali.

• Fix Los árboles y los bosques no predict (predecían) previamente los objetivos de clasificación multisalida con etiquetas de cadena, a pesar de aceptarlas en fit. #11458 de Mitar Milutinovic.

• Fix Se ha corregido un problema con tree.BaseDecisionTree y, en consecuencia, todos los estimadores basados en él, incluyendo tree.DecisionTreeClassifier, tree.DecisionTreeRegressor, tree. ExtraTreeClassifier, y tree.ExtraTreeRegressor, donde solían exceder el max_depth dado en 1 mientras se expandía el árbol si max_leaf_nodes y max_depth eran especificados por el usuario. Ten en cuenta que esto también afecta a todos los métodos de ensemble que utilizan árboles de decisión. #12344 por Adrin Jalali.

sklearn.utils

• Feature utils.resample ahora acepta un parámetro stratify (de estratificación) para el muestreo según las distribuciones de clase. #13549 por Nicolas Hug.

• API Change Se ha eliminado el parámetro warn_on_dtype de utils.check_array y utils.check_X_y. Se ha añadido una advertencia explícita para la conversión de tipos (dtypes) en check_pairwise_arrays si metric que se pasa es una métrica booleana por pares. #13382 por Prathmesh Savale.

Múltiples módulos

• Major Feature El método __repr__() de todos los estimadores (utilizado cuando se llama a print(estimator)) ha sido completamente reescrito, basándose en la biblioteca estándar de impresión pretty de Python. Todos los parámetros se imprimen por defecto, pero esto puede ser alterado con la opción print_changed_only en sklearn.set_config. #11705 por Nicolas Hug.

• Major Feature Se añaden etiquetas de estimadores: son anotaciones de los estimadores que permiten la inspección programática de sus capacidades, como el soporte de matrices dispersas, los tipos de salida y los métodos soportados. Las etiquetas de los estimadores también determinan las pruebas o tests que se ejecutan en un estimador cuando se llama a check_estimator. Lea más en el Manual de Usuario. #8022 por Andreas Müller.

• Efficiency Se evitan las copias de memoria cuando se funden los arreglos a un dtype diferente en los múltiples estimadores. #11973 por Roman Yurchak.

• Fix Se ha corregido un error en la implementación de la función helper (de ayuda) our_rand_r que no se comportaba de forma consistente en todas las plataformas. #13422 por Madhura Parikh y Clément Doumouro.

Varios

• Enhancement Joblib ya no se vende en scikit-learn, y se convierte en una dependencia. La versión mínima soportada es joblib 0.11, sin embargo, se recomienda encarecidamente utilizar la versión >= 0.13. #13531 por Roman Yurchak.

Cambios en las comprobaciones de los estimadores

Estos cambios afectan principalmente a los desarrolladores de bibliotecas.

• Se añade check_fit_idempotent a check_estimator, que comprueba que cuando se llama dos veces a fit con los mismos datos, la salida de predict, predict_proba, transform y decision_function no cambia. #12328 by Nicolas Hug

• Muchas comprobaciones pueden ahora desactivarse o configurarse con Etiquetas de Estimador. #8022 por Andreas Müller.

Colaboradores de código y documentación

Gracias a quienes han contribuido al mantenimiento y mejora del proyecto desde la versión 0.20, incluyendo:

adanhawth, Aditya Vyas, Adrin Jalali, Agamemnon Krasoulis, Albert Thomas, Alberto Torres, Alexandre Gramfort, amourav, Andrea Navarrete, Andreas Mueller, Andrew Nystrom, assiaben, Aurélien Bellet, Bartosz Michałowski, Bartosz Telenczuk, bauks, BenjaStudio, bertrandhaut, Bharat Raghunathan, brentfagan, Bryan Woods, Cat Chenal, Cheuk Ting Ho, Chris Choe, Christos Aridas, Clément Doumouro, Cole Smith, Connossor, Corey Levinson, Dan Ellis, Dan Stine, Danylo Baibak, daten-kieker, Denis Kataev, Didi Bar-Zev, Dillon Gardner, Dmitry Mottl, Dmitry Vukolov, Dougal J. Sutherland, Dowon, drewmjohnston, Dror Atariah, Edward J Brown, Ekaterina Krivich, Elizabeth Sander, Emmanuel Arias, Eric Chang, Eric Larson, Erich Schubert, esvhd, Falak, Feda Curic, Federico Caselli, Frank Hoang, Fibinse Xavier`, Finn O’Shea, Gabriel Marzinotto, Gabriel Vacaliuc, Gabriele Calvo, Gael Varoquaux, GauravAhlawat, Giuseppe Vettigli, Greg Gandenberger, Guillaume Fournier, Guillaume Lemaitre, Gustavo De Mari Pereira, Hanmin Qin, haroldfox, hhu-luqi, Hunter McGushion, Ian Sanders, JackLangerman, Jacopo Notarstefano, jakirkham, James Bourbeau, Jan Koch, Jan S, janvanrijn, Jarrod Millman, jdethurens, jeremiedbb, JF, joaak, Joan Massich, Joel Nothman, Jonathan Ohayon, Joris Van den Bossche, josephsalmon, Jérémie Méhault, Katrin Leinweber, ken, kms15, Koen, Kossori Aruku, Krishna Sangeeth, Kuai Yu, Kulbear, Kushal Chauhan, Kyle Jackson, Lakshya KD, Leandro Hermida, Lee Yi Jie Joel, Lily Xiong, Lisa Sarah Thomas, Loic Esteve, louib, luk-f-a, maikia, mail-liam, Manimaran, Manuel López-Ibáñez, Marc Torrellas, Marco Gaido, Marco Gorelli, MarcoGorelli, marineLM, Mark Hannel, Martin Gubri, Masstran, mathurinm, Matthew Roeschke, Max Copeland, melsyt, mferrari3, Mickaël Schoentgen, Ming Li, Mitar, Mohammad Aftab, Mohammed AbdelAal, Mohammed Ibraheem, Muhammad Hassaan Rafique, mwestt, Naoya Iijima, Nicholas Smith, Nicolas Goix, Nicolas Hug, Nikolay Shebanov, Oleksandr Pavlyk, Oliver Rausch, Olivier Grisel, Orestis, Osman, Owen Flanagan, Paul Paczuski, Pavel Soriano, pavlos kallis, Pawel Sendyk, peay, Peter, Peter Cock, Peter Hausamann, Peter Marko, Pierre Glaser, pierretallotte, Pim de Haan, Piotr Szymański, Prabakaran Kumaresshan, Pradeep Reddy Raamana, Prathmesh Savale, Pulkit Maloo, Quentin Batista, Radostin Stoyanov, Raf Baluyot, Rajdeep Dua, Ramil Nugmanov, Raúl García Calvo, Rebekah Kim, Reshama Shaikh, Rohan Lekhwani, Rohan Singh, Rohan Varma, Rohit Kapoor, Roman Feldbauer, Roman Yurchak, Romuald M, Roopam Sharma, Ryan, Rüdiger Busche, Sam Waterbury, Samuel O. Ronsin, SandroCasagrande, Scott Cole, Scott Lowe, Sebastian Raschka, Shangwu Yao, Shivam Kotwalia, Shiyu Duan, smarie, Sriharsha Hatwar, Stephen Hoover, Stephen Tierney, Stéphane Couvreur, surgan12, SylvainLan, TakingItCasual, Tashay Green, thibsej, Thomas Fan, Thomas J Fan, Thomas Moreau, Tom Dupré la Tour, Tommy, Tulio Casagrande, Umar Farouk Umar, Utkarsh Upadhyay, Vinayak Mehta, Vishaal Kapoor, Vivek Kumar, Vlad Niculae, vqean3, Wenhao Zhang, William de Vazelhes, xhan, Xing Han Lu, xinyuliu12, Yaroslav Halchenko, Zach Griffith, Zach Miller, Zayd Hammoudeh, Zhuyi Xue, Zijie (ZJ) Poh, ^__^