Versión 0.22.2.post1

Marzo 3 2020

La versión 0.22.2.post1 incluye una corrección de embalaje para la distribución de origen, pero el contenido de los paquetes es por lo demás idéntico al de las ruedas con la versión 0.22.2 (sin el sufijo .post1). Ambos contienen los siguientes cambios.

Registro de cambios

sklearn.impute

• Efficiency Reducir el uso de memoria asintótica de impute.KNNImputer mediante el corte del cálculo de la distancia por pares. #16397 por Joel Nothman.

sklearn.metrics

• Fix Se ha corregido un error en metrics.plot_roc_curve por el que se pasaba el nombre del estimador en metrics.RocCurveDisplay en lugar del parámetro name. El resultado es un gráfico diferente cuando se llama a metrics.RocCurveDisplay.plot para las siguientes veces. #16500 por Guillaume Lemaitre.

• Fix Se ha corregido un error en metrics.plot_precision_recall_curve por el que se pasaba el nombre del estimador en metrics.PrecisionRecallDisplay en lugar del parámetro name. El resultado es un gráfico diferente cuando se llama a metrics.PrecisionRecallDisplay.plot para las veces siguientes. #16505 por Guillaume Lemaitre.

sklearn.neighbors

• Fix Corregir un error que convertía una lista de arreglos en un arreglo de objetos 2-D en lugar de un arreglo 1-D que contenía arreglo NumPy. Este error afectaba a neighbors.NearestNeighbors.radius_neighbors. #16076 por Guillaume Lemaitre y Alex Shacked.

Versión 0.22.1

Enero 2 2020

Esta es una versión de corrección de errores para resolver principalmente algunos problemas de empaquetado de la versión 0.22.0. También incluye mejoras menores en la documentación y algunas correcciones de errores.

Registro de cambios

sklearn.cluster

• Fix cluster.KMeans con algorithm="elkan" ahora utiliza el mismo criterio de parada que con el algorithm="full" por defecto. #15930 por @inder128.

sklearn.inspection

• Fix inspection.permutation_importance devolverá las mismas importancias cuando se dé un estado_aleatorio tanto para n_jobs=1 como para n_jobs>1 tanto con backends de memoria compartida (seguridad de hilos) como de memoria aislada, backends basados en procesos. También hay que evitar que los datos sean de tipo objeto y evitar el error de sólo lectura en dataframes grandes con n_jobs>1 como se informó en #15810. Seguimiento de #15898 por Shivam Gargsya. #15933 por Guillaume Lemaitre y Olivier Grisel.

• Fix inspection.plot_partial_dependence y inspection.PartialDependenceDisplay.plot ahora comprueban consistentemente el número de ejes pasados. #15760 por Thomas Fan.

sklearn.metrics

• Fix metrics.plot_confusion_matrix ahora genera un error cuando normalize no es válido. Anteriormente, se ejecutaba bien sin normalización. #15888 por Hanmin Qin.

• Fix metrics.plot_confusion_matrix ahora colorea el color de la etiqueta correctamente para maximizar el contraste con su fondo. #15936 por Thomas Fan y @DizietAsahi.

• Fix metrics.classification_report ya no ignora el valor del argumento de la palabra clave zero_division. #15879 por Bibhash Chandra Mitra.

• Fix Corregido un error en metrics.plot_confusion_matrix para pasar correctamente el parámetro values_format a la llamada ConfusionMatrixDisplay plot(). #15937 por Stephen Blystone.

sklearn.model_selection

• Fix model_selection.GridSearchCV y model_selection.RandomizedSearchCV aceptan valores escalares proporcionados en fit_params. El cambio en 0.22 rompía la compatibilidad con versiones anteriores. #15863 por Adrin Jalali y Guillaume Lemaitre.

sklearn.naive_bayes

• Fix Eliminado el decorador abstractmethod para el método _check_X en naive_bayes.BaseNB que podía romper los proyectos posteriores que heredaban de esta clase base pública obsoleta. #15996 por Brigitta Sipőcz.

sklearn.preprocessing

• Fix preprocessing.QuantileTransformer ahora garantiza que el atributo quantiles_ esté completamente ordenado de forma no decreciente. #15751 by Tirth Patel.

sklearn.semi_supervised

• Fix semi_supervised.LabelPropagation y semi_supervised.LabelSpreading ahora permiten llamar a la función núcleo para devolver la matriz de ponderaciones dispersa. #15868 por Niklas Smedemark-Margulies.

sklearn.utils

• Fix utils.check_array ahora convierte correctamente DataFrame de pandas con columnas booleanas a flotantes. #15797 por Thomas Fan.

• Fix utils.check_is_fitted acepta de nuevo un argumento explícito attributes para comprobar atributos específicos como marcadores explícitos de un estimador ajustado. Cuando no se proporcionan attributes explícitos, sólo se utilizan como marcadores «ajustados» los atributos que terminan con un guión bajo y no empiezan con un guión bajo doble. El argumento all_or_any ya no está obsoleto. Este cambio se realiza para restaurar cierta compatibilidad con el comportamiento de esta utilidad en la versión 0.21. #15947 por Thomas Fan.

Version 0.22.0

Diciembre 3 2019

Para una breve descripción de los principales aspectos de la versión, consulte Aspectos Destacados de scikit-learn 0.22.

Leyenda para registros de cambios

• Major Feature : algo grande que no se podía 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 miscelánea.

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

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

Actualización del sitio

Nuestro sitio web <https://scikit-learn.org/>`_ ha sido renovado y se le ha dado un nuevo aspecto #14849 por Thomas Fan.

Definición clara de la API pública

Scikit-learn tiene una API pública, y una API privada.

Hacemos todo lo posible para no romper la API pública, y para introducir únicamente cambios compatibles con las versiones anteriores que no requieran ninguna acción del usuario. Sin embargo, en los casos en que eso no es posible, cualquier cambio en la API pública está sujeto a un ciclo de obsolescencia de dos versiones menores. La API privada no está documentada públicamente y no está sujeta a ningún ciclo de obsolescencia, por lo que los usuarios no deberían confiar en su estabilidad.

Una función u objeto es público si está documentado en la Referencia API y si puede ser importado con una ruta de importación sin guiones bajos iniciales. Por ejemplo, sklearn.pipeline.make_pipeline es pública, mientras que sklearn.pipeline._name_estimators es privada. sklearn.ensemble._gb.BaseEnsemble también es privado porque todo el módulo _gb es privado.

Hasta la versión 0.22, algunas herramientas eran públicas de facto (sin guión bajo inicial), cuando deberían haber sido privadas en primer lugar. En la versión 0.22, estas herramientas se han hecho correctamente privadas, y se ha limpiado el espacio público de la API. Además, la importación de la mayoría de los submódulos está ahora obsoleta: se debe utilizar, por ejemplo, from sklearn.cluster import Birch en lugar de from sklearn.cluster.birch import Birch (en la práctica, birch.py se ha movido a _birch.py).

Nota

Todas las herramientas de la API pública deberían estar documentadas en la Referencia API. Si encuentras una herramienta pública (sin guión bajo inicial) que no está en la referencia de la API, significa que debería ser privada o estar documentada. Por favor, infórmanos abriendo una incidencia!

Este trabajo fue rastreado en issue 9250 y issue 12927.

Obsolescencias: usar FutureWarning de ahora en adelante

Cuando una característica resulta obsoleta, las versiones anteriores de scikit-learn solían lanzar un DeprecationWarning. Como los DeprecationWarnings no son mostrados por defecto por Python, scikit-learn necesitaba recurrir a un filtro de advertencia personalizado para mostrar siempre las advertencias. Ese filtro a veces interfería con los filtros de advertencia personalizados de los usuarios.

A partir de la versión 0.22, scikit-learn mostrará FutureWarnings para las obsolescencias, como recomienda la documentación de Python. FutureWarnings se muestra siempre por defecto por Python, por lo que se ha eliminado el filtro personalizado y scikit-learn ya no entorpece con filtros de usuario. #15080 por Nicolas Hug.

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 modelización (corrección de errores o mejoras), o en los procedimientos de muestreo aleatorio.

• cluster.KTechns cuando n_jobs=1. Fix

• decomposition.SparseCoder, decomposition.DictionaryLearning, y decomposition.MiniBatchDictionaryLearning Fix

• decomposition.SparseCoder con algorithm='lasso_lars' Fix

• decomposition.SparsePCA donde normalize_components no tiene efecto debido a la obsolescencia.

• ensemble.HistGradientBoostingClassifier y ensemble.HistGradientBoostingRegressor Fix , Feature , Enhancement .

• impute.IterativeImputer cuando X tiene características sin valores faltantes. Feature

• linear_model.Ridge cuando X es disperso. Fix

• model_selection.StratifiedKFold y cualquier uso de cv=int con un clasificador. Fix

• cross_decomposition.CCA al usar scipy >= 1.3 Fix

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

sklearn.base

• API Change Desde la versión 0.24 base.BaseEstimator.get_params lanzará un AttributeError en lugar de devolver None para los parámetros que están en el constructor del estimador pero que no están almacenados como atributos en la instancia. #14464 por Joel Nothman.

sklearn.calibration

• Fix Se ha corregido un error que hacía que calibration.CalibratedClassifierCV fallara cuando se le daba un parámetro sample_weight de tipo list (en el caso de que sample_weights no estuviera soportado por el estimador envuelto). #13575 por William de Vazelhes.

sklearn.cluster

• Feature cluster.SpectralClustering ahora acepta el gráfico de vecinos dispersos precalculado como entrada. #10482 por Tom Dupre la Tour y Kumar Ashutosh.

• Enhancement cluster.SpectralClustering ahora acepta un parámetro n_componentes. Este parámetro extiende la funcionalidad de la clase SpectralClustering para que coincida con cluster.spectral_clustering. #13726 por Shuzhe Xiao.

• Fix Se ha corregido un error por el que cluster.KMeans producía resultados inconsistentes entre n_jobs=1 y n_jobs>1 debido al manejo del estado aleatorio. #9288 por Bryan Yang.

• Fix Se ha corregido un error por el que el algoritmo elkan en cluster.KMeans producía un fallo de segmentación en arreglos grandes debido al desbordamiento del índice de enteros. #15057 por Vladimir Korolev.

• Fix MeanShift ahora acepta un max_iter con un valor por defecto de 300 en lugar de usar siempre el 300 por defecto. También expone ahora un n_iter_ que indica el número máximo de iteraciones realizadas en cada semilla. #15120 por Adrin Jalali.

• Fix cluster.AgglomerativeClustering y cluster.FeatureAgglomeration ahora lanzan un error si affinity='cosine' y X tiene muestras que son todos ceros. #7943 por @mthorrell.

sklearn.compose

• Feature Añade compose.make_column_selector que se utiliza con compose.ColumnTransformer para seleccionar las columnas del DataFrame en base al nombre y al dtype. #12303 por Thomas Fan.

• Fix Corregido un error en compose.ColumnTransformer que fallaba al seleccionar las columnas adecuadas cuando se usaba una lista booleana, con NumPy anterior a la 1.12. #14510 por Guillaume Lemaitre.

• Fix Se ha corregido un error en compose.TransformedTargetRegressor que no pasaba **fit_params al regresor subyacente. #14890 por Miguel Cabrera.

• Fix La compose.ColumnTransformer ahora requiere que el número de características sea consistente entre fit y transform. Ahora se lanza un FutureWarning, y esto dará un error en 0.24. Si el número de características no es consistente y se utiliza la indexación negativa, se produce un error. #14544 by Adrin Jalali.

sklearn.cross_decomposition

• Feature cross_decomposition.PLSCanonical y cross_decomposition.PLSRegression tienen una nueva función inverse_transform para transformar los datos al espacio original. #15304 by Jaime Ferrando Huertas.

• Enhancement decomposition.KernelPCA ahora comprueba correctamente los valores propios encontrados por el solucionador para problemas numéricos o de condicionamiento. Esto asegura la consistencia de los resultados a través de los solucionadores (diferentes opciones para eigen_solver), incluyendo solucionadores aproximados como 'randomized' y 'lobpcg' (ver #12068). #12145 por Sylvain Marié

• Fix Se ha corregido un error por el que cross_decomposition.PLSCanonical y cross_decomposition.PLSRegression daban un error cuando se ajustaban con una matriz objetivo Y en la que la primera columna era constante. #13609 por Camila Williamson.

• Fix cross_decomposition.CCA ahora produce los mismos resultados con scipy 1.3 y versiones anteriores de scipy. #15661 por Thomas Fan.

sklearn.datasets

• Feature datasets.fetch_openml ahora soporta datos heterogéneos usando pandas estableciendo as_frame=True. #13902 por Thomas Fan.

• Feature datasets.fetch_openml ahora incluye el target_names en el Bunch devuelto. #15160 por Thomas Fan.

• Enhancement Se ha añadido el parámetro return_X_y a datasets.fetch_20newsgroups y datasets.fetch_olivetti_faces . #14259 por Sourav Singh.

• Enhancement datasets.make_classification ahora acepta el parámetro weights, es decir, lista o numpy.array, en lugar de sólo lista. #14764 por Cat Chenal.

• Enhancement El parámetro normalize fue agregado a

  datasets.fetch_20newsgroups_vectorized. #14740 by Stéphan Tulkens

• Fix Corregido un error en datasets.fetch_openml, que fallaba al cargar un conjunto de datos OpenML que contenía una característica ignorada. #14623 por Sarra Habchi.

sklearn.decomposition

• Efficiency decomposition.NMF(solver='mu') ajustado en matrices de entrada dispersas ahora utiliza la agrupación para evitar asignar brevemente un arreglo con tamaño (#elementos distintos de cero, n_componentes). #15257 by Mart Willocx.

• Enhancement decomposition.dict_learning y decomposition.dict_learning_online aceptan ahora method_max_iter y lo pasan a decomposition.sparse_encode. #12650 por Adrin Jalali.

• Enhancement decomposition.SparseCoder, decomposition.DictionaryLearning, y decomposition.MiniBatchDictionaryLearning ahora toman un parámetro transform_max_iter y lo pasan a decomposition.dict_learning o decomposition.sparse_encode. #12650 por Adrin Jalali.

• Enhancement decomposition.IncrementalPCA ahora acepta matrices dispersas como entrada, convirtiéndolas en densas por lotes evitando así la necesidad de almacenar toda la matriz densa de una vez. #13960 by Scott Gigante.

• Fix decomposition.sparse_encode pasa ahora el max_iter al linear_model.LassoLars subyacente cuando algorithm='lasso_lars'. #12650 por Adrin Jalali.

sklearn.dummy

• Fix dummy.DummyClassifier ahora maneja la comprobación de la existencia de la constante proporcionada en los casos de multi-salida. #14908 por Martina G. Vilas.

• API Change El valor por defecto del parámetro strategy en dummy.DummyClassifier cambiará de 'estratificado' en la versión 0.22 a 'previo' en la 0.24. Se genera un FutureWarning cuando se utiliza el valor por defecto. #15382 por Thomas Fan.

• API Change El atributo outputs_2d_ está obsoleto en dummy.DummyClassifier y dummy.DummyRegressor. Es equivalente a n_outputs > 1. #14933 por Nicolas Hug

sklearn.ensemble

• Major Feature Añadidos ensemble.StackingClassifier y ensemble.StackingRegressor para apilar predictores usando un clasificador o regresor final. #11047 por Guillaume Lemaitre y Caio Oliveira y #15138 por Jon Cusick..

• Major Feature Se han realizado muchas mejoras en ensemble.HistGradientBoostingClassifier y ensemble.HistGradientBoostingRegressor:

  • Feature Los estimadores ahora soportan de forma nativa datos densos con valores perdidos tanto para el entrenamiento como para la predicción. También soportan valores infinitos. #13911 y #14406 por Nicolas Hug, Adrin Jalali y Olivier Grisel.

  • Feature Los estimadores tienen ahora un parámetro adicional warm_start que permite el arranque en caliente. #14012 por Johann Faouzi.

  • Feature inspection.partial_dependence y inspection.plot_partial_dependence ahora soportan el método rápido de “recursión” para ambos estimadores. #13769 por Nicolas Hug.

  • Enhancement para ensemble.HistGradientBoostingClassifier la pérdida o puntuación de entrenamiento se controla ahora en una submuestra estratificada por clases para preservar el equilibrio de clases del conjunto de entrenamiento original. #14194 por Johann Faouzi.

  • Enhancement ensemble.HistGradientBoostingRegressor ahora soporta la pérdida “least_absolute_deviation”. #13896 por Nicolas Hug.

  • Fix Los estimadores ahora colocan los datos de entrenamiento y validación por separado para evitar cualquier fuga de datos. #13933 por Nicolas Hug.

  • Fix Se ha corregido un error por el que la parada temprana se rompía con objetivos de cadena. #14710 por Guillaume Lemaitre.

  • Fix ensemble.HistGradientBoostingClassifier ahora da un error si se da la pérdida categorical_crossentropy para un problema de clasificación binaria. #14869 por Adrin Jalali.

  Ten en cuenta que los pickles de 0.21 no funcionarán en 0.22.

• Enhancement Añadido el argumento max_samples que permite limitar el tamaño de las muestras de bootstrap para que sea menor que el tamaño del conjunto de datos. Añadido a ensemble.RandomForestClassifier, ensemble.RandomForestRegressor, ensemble.ExtraTreesClassifier, ensemble.ExtraTreesRegressor. #14682 por Matt Hancock y #5963 por Pablo Duboue.

• Fix ensemble.VotingClassifier.predict_proba ya no estará presente cuando voting='hard'. #14287 por Thomas Fan.

• Fix El atributo named_estimators_ en ensemble.VotingClassifier y ensemble.VotingRegressor ahora se asigna correctamente a los estimadores eliminados. Anteriormente, la asignación de named_estimators_ era incorrecta cuando uno de los estimadores era eliminado. #15375 por Thomas Fan.

• Fix Ejecutar por defecto utils.estimator_checks.check_estimator tanto en ensemble.VotingClassifier como en ensemble.VotingRegressor. Esto lleva a resolver problemas relacionados con la consistencia de la forma durante predict, que fallaba cuando los estimadores subyacentes no daban como resultado dimensiones de matriz consistentes. Tenga en cuenta que debe ser reemplazado por la refactorización de las pruebas comunes en el futuro. #14305 por Guillaume Lemaitre.

• Fix ensemble.AdaBoostClassifier calcula las probabilidades basadas en la función de decisión como en la literatura. Así, predict y predict_proba dan resultados consistentes. #14114 por Guillaume Lemaitre.

• Fix Los estimadores de apilamiento y votación ahora aseguran que sus estimadores subyacentes son todos los clasificadores o todos los regresores. ensemble.StackingClassifier, ensemble.StackingRegressor, y ensemble.VotingClassifier y VotingRegressor ahora lanzan mensajes de error consistentes. #15084 por Guillaume Lemaitre.

• Fix ensemble.AdaBoostRegressor donde la pérdida debe ser normalizada por el máximo de las muestras con pesos no nulos solamente. #14294 por Guillaume Lemaitre.

• API Change presort está ahora obsoleto en ensemble.GradientBoostingClassifier y ensemble.GradientBoostingRegressor, y el parámetro no tiene efecto. Se recomienda a los usuarios utilizar ensemble.HistGradientBoostingClassifier y ensemble.HistGradientBoostingRegressor en su lugar. #14907 por Adrin Jalali.

sklearn.feature_extraction

• Enhancement Ahora se lanzará una advertencia si la elección de un parámetro significa que otro parámetro no será utilizado al llamar al método fit() para feature_extraction.text.HashingVectorizer, feature_extraction.text.CountVectorizer y feature_extraction.text.TfidfVectorizer. #14602 por Gaurav Chawla.

• Fix Las funciones creadas por build_preprocessor y build_analyzer de feature_extraction.text.VectorizerMixin ahora pueden ser pickled. #14430 por Dillon Niederhut.

• Fix feature_extraction.text.strip_accents_unicode ahora elimina correctamente los acentos de las cadenas que están en forma normalizada NFKD. #15100 por Daniel Grady.

• Fix Se ha corregido un error que provocaba que feature_extraction.DictVectorizer lanzara un OverflowError durante la operación de transformación al producir una matriz scipy.sparse en datos de entrada grandes. #15463 por Norvan Sahiner.

• API Change Parámetro copy obsoleto no utilizado para feature_extraction.text.TfidfVectorizer.transform será eliminado en la v0.24. #14520 por Guillem G. Subies.

sklearn.feature_selection

• Enhancement Actualización de los siguientes estimadores feature_selection para permitir valores NaN/Inf en transformación y fit: feature_selection.RFE, feature_selection.RFECV, feature_selection.SelectFromModel, y feature_selection.VarianceThreshold. Tenga en cuenta que si el estimador subyacente del selector de características no permite NaN/Inf, seguirá dando errores, pero los propios selectores de características ya no imponen esta restricción innecesariamente. #11635 by Alec Peters.

• Fix Se ha corregido un error por el que feature_selection.VarianceThreshold con threshold=0 no eliminaba las características constantes debido a la inestabilidad numérica, utilizando el rango en lugar de la varianza en este caso. #13704 por Roddy MacSween.

sklearn.gaussian_process

• Feature Modelos de procesos gaussianos en datos estructurados: gaussian_process.GaussianProcessRegressor y gaussian_process.GaussianProcessClassifier ahora pueden aceptar una lista de objetos genéricos (por ejemplo, cadenas, árboles, gráficos, etc.) como el argumento X para sus métodos de entrenamiento/predicción. Debe proporcionarse un núcleo definido por el usuario para calcular la matriz núcleo entre los objetos genéricos, y debe heredar de gaussian_process.kernels.GenericKernelMixin para notificar al modelo GPR/GPC que maneja muestras no vectoriales. #15557 por Yu-Hang Tang.

• Efficiency gaussian_process.GaussianProcessClassifier.log_marginal_likelihood y gaussian_process.GaussianRegressor.log_marginal_likelihood aceptan ahora un argumento de palabra clave clone_kernel=True. Cuando se establece en False, el atributo kernel se modifica, pero puede resultar en una mejora del rendimiento. #14378 by Masashi Shibata.

• API Change Desde la versión 0.24 gaussian_process.kernels.Kernel.get_params lanzará un AttributeError en lugar de devolver None para los parámetros que están en el constructor del estimador pero que no están almacenados como atributos en la instancia. #14464 por Joel Nothman.

sklearn.impute

• Major Feature Añadida impute.KNNImputer, para imputar valores faltantes usando k-Nearest Neighbors. #12852 por Ashim Bhattarai y Thomas Fan y #15010 por Guillaume Lemaitre.

• Feature impute.IterativeImputer tiene una nueva bandera skip_compute que es False por defecto, la cual, cuando es True, omitirá el cálculo de las características que no tienen valores faltantes durante la fase de ajuste. #13773 por Sergey Feldman.

• Efficiency impute.MissingIndicator.fit_transform evitar el cálculo repetido de la matriz enmascarada. #14356 por Harsh Soni.

• Fix impute.IterativeImputer ahora funciona cuando sólo hay una característica. Por Sergey Feldman.

• Fix Se ha corregido un error en impute.IterativeImputer por el que las características se imputaban en el orden inverso al deseado con imputation_order ya sea "ascendente"` o ``"descendente". #15393 por Venkatachalam N.

sklearn.inspection

• Major Feature inspection.permutation_importance se ha añadido para medir la importancia de cada característica en un modelo entrenado arbitrariamente con respecto a una función de puntuación dada. #13146 por Thomas Fan.

• Feature inspection.partial_dependence y inspection.plot_partial_dependence soportan ahora el método de recursión rápida para ensemble.HistGradientBoostingClassifier y ensemble.HistGradientBoostingRegressor. #13769 por Nicolas Hug.característica.

• Enhancement inspection.plot_partial_dependence ha sido extendida para soportar la nueva API de visualización descrita en el Manual de Usuario. #14646 por Thomas Fan.

• Enhancement inspection.partial_dependence acepta pandas DataFrame y pipeline.Pipeline que contiene compose.ColumnTransformer. Además inspection.plot_partial_dependence utilizará los nombres de las columnas por defecto cuando se pase un dataframe. #14028 y #15429 de Guillaume Lemaitre.

sklearn.kernel_approximation

• Fix Se ha corregido un error por el que kernel_approximation.Nystroem daba lugar a un KeyError al usar kernel="precomputed". #14706 por Venkatachalam N.

sklearn.linear_model

• Efficiency El solucionador de regresión logística “liblinear” es ahora más rápido y requiere menos memoria. #14108, #14170, #14296 by Alex Henrie.

• Enhancement linear_model.BayesianRidge ahora acepta los hiperparámetros alpha_init y lambda_init que pueden utilizarse para establecer el valor inicial del procedimiento de maximización en fit. #13618 por Yoshihiro Uchida.

• Fix linear_model.Ridge ahora ajusta correctamente una intercepción cuando X es dispersa, solver="auto" y fit_intercept=True, porque el solver por defecto en esta configuración ha cambiado a sparse_cg, que puede ajustar una intercepción con datos dispersos. #13995 por Jérôme Dockès.

• Fix linear_model.Ridge con solver='sag' ahora acepta arreglos ordenados en F y no contiguas y hace una conversión en lugar de fallar. #14458 por Guillaume Lemaitre.

• Fix linear_model.LassoCV ya no fuerza precompute=False al ajustar el modelo final. #14591 por Andreas Müller.

• Fix linear_model.RidgeCV y linear_model.RidgeClassifierCV ahora puntúan correctamente cuando cv=None. #14864 by Venkatachalam N.

• Fix Se ha corregido un error en linear_model.LogisticRegressionCV por el que el atributo scores_, n_iter_ y coefs_paths_ tenían una ordenación errónea con penalty='elastic-net'. #15044 por Nicolas Hug

• Fix linear_model.MultiTaskLassoCV y linear_model.MultiTaskElasticNetCV con X de tipo int y fit_intercept=True. #15086 by Alex Gramfort.

• Fix El solucionador liblinear ahora soporta sample_weight. #15038 por Guillaume Lemaitre.

sklearn.manifold

• Feature manifold.Isomap, manifold.TSNE, y manifold.SpectralEmbedding ahora aceptan el gráfico de vecinos dispersos precalculado como entrada. #10482 por Tom Dupre la Tour y Kumar Ashutosh.

• Feature Expuesto el parámetro n_jobs en manifold.TSNE para el cálculo multi-core del gráfico de vecinos. Este parámetro no tiene impacto cuando metric="precomputed" o (metric="euclidean" y method="exact"). #15082 by Roman Yurchak.

• Efficiency Mejorada la eficiencia de manifold.TSNE cuando method="barnes-hut" calculando el gradiente en paralelo. #13213 por Thomas Moreau

• Fix Se ha corregido un error por el que manifold.spectral_embedding (y por tanto manifold.SpectralEmbedding y cluster.SpectralClustering) calculaba valores propios erróneos con eigen_solver='amg' cuando n_samples < 5 * n_components. #14647 por Andreas Müller.

• Fix Se ha corregido un error en manifold.spectral_embedding utilizado en manifold.SpectralEmbedding y cluster. SpectralClustering donde eigen_solver="amg" a veces resultaba en un LinAlgError. #13393 por Andrew Knyazev #13707 por Scott White

• API Change El atributo training_data_ obsoleto no utilizado en manifold.Isomap. #10482 por Tom Dupre la Tour.

sklearn.metrics

• Major Feature metrics.plot_roc_curve se ha añadido para trazar curvas roc. Esta función introduce la API de visualización descrita en el Manual de Usuario. #14357 por Thomas Fan.

• Feature Se ha añadido un nuevo parámetro división_cero a múltiples métricas de clasificación: precision_score, recall_score, f1_score, fbeta_score, precision_recall_fscore_support, classification_report. Esto permite establecer el valor devuelto para métricas mal definidas. #14900 por Marc Torrellas Socastro.

• Feature Añadida la métrica metrics.pairwise.nan_euclidean_distances, que calcula las distancias euclidianas en presencia de valores faltantes. #12852 por Ashim Bhattarai y Thomas Fan.

• Feature Se han añadido nuevas métricas de clasificación metrics.ndcg_score y metrics.dcg_score para calcular la Ganancia Acumulativa Descontada y la Ganancia Acumulativa Descontada Normalizada. #9951 por Jérôme Dockès.

• Feature Se ha añadido metrics.plot_precision_recall_curve para trazar curvas de precisión y recuperación. #14936 por Thomas Fan.

• Feature Se ha añadido metrics.plot_confusion_matrix para trazar matrices de confusión. #15083 por Thomas Fan.

• Feature Añadido soporte multiclase a metrics.roc_auc_score con los correspondientes scorers 'roc_auc_ovr', 'roc_auc_ovo', 'roc_auc_ovr_weighted', y 'roc_auc_ovo_weighted'. #12789 y #15274 por Kathy Chen, Mohamed Maskani, y Thomas Fan.

• Feature Añadir metrics.mean_tweedie_deviance que mide la desviación de Tweedie para un parámetro power dado. También añade la desviación media de Poisson metrics.mean_poisson_deviance y la desviación media de Gamma metrics.mean_gamma_deviance que son casos especiales de la desviación de Tweedie para power=1 y power=2 respectivamente. #13938 por Christian Lorentzen y Roman Yurchak.característica.

• Efficiency Mejora del rendimiento de metrics.pairwise.manhattan_distances en el caso de matrices dispersas. #15049 por Paolo Toccaceli <ptocca>.

• Enhancement El parámetro beta en metrics.fbeta_score se ha actualizado para aceptar el valor cero y float('+inf'). #13231 por Dong-hee Na.

• Enhancement Añadido el parámetro squared en metrics.mean_squared_error para devolver el error medio cuadrático. #13467 por Urvang Patel.

• Enhancement Permitir el cálculo de métricas promediadas en el caso de que no haya verdaderos positivos. #14595 por Andreas Müller.

• Enhancement La métrica Multilabel ahora soporta listas de listas como entrada. #14865 Srivatsan Ramesh, Herilalaina Rakotoarison, Léonard Binet.

• Enhancement metrics.median_absolute_error ahora soporta el parámetro multioutput. #14732 por Agamemnon Krasoulis.

• Enhancement “roc_auc_ovr_weighted” y “roc_auc_ovo_weighted” se pueden utilizar ahora como el parámetro scoring de las herramientas de selección de modelos. #14417 por Thomas Fan.

• Enhancement metrics.confusion_matrix acepta un parámetro normalize que permite normalizar la matriz de confusión por columnas, filas o en general. #15625 por Guillaume Lemaitre <glemaitre>.

• Fix Se produce un ValueError en metrics.silhouette_score cuando una matriz de distancia precalculada contiene entradas diagonales distintas de cero. #12258 por Stephen Tierney.

• API Change scoring="neg_brier_score" debería usarse en lugar de scoring="brier_score_loss" que ahora está obsoleto. #14898 por Stefan Matcovici.

sklearn.model_selection

• Efficiency Mejora del rendimiento de la puntuación multimétrica en model_selection.cross_validate, model_selection.GridSearchCV y model_selection.RandomizedSearchCV. #14593 por Thomas Fan.

• Enhancement model_selection.learning_curve ahora acepta el parámetro return_times que puede ser utilizado para recuperar los tiempos de cálculo con el fin de trazar la escalabilidad del modelo (ver ejemplo de learning_curve). #13938 por Hadrien Reboul.

• Enhancement model_selection.RandomizedSearchCV acepta ahora listas de distribución de parámetros. #14549 by Andreas Müller.

• Fix Reimplementado model_selection.StratifiedKFold para corregir un problema en el que un conjunto de pruebas podría ser n_classes mayor que otro. Los conjuntos de pruebas ahora deben tener un tamaño casi igual. #14704 por Joel Nothman.

• Fix El atributo cv_results_ de model_selection.GridSearchCV y model_selection.RandomizedSearchCV ahora sólo contiene estimadores no ajustados. Esto ahorra potencialmente mucha memoria ya que el estado de los estimadores no se almacena. ##15096 por Andreas Müller.

• API Change model_selection.KFold y model_selection.StratifiedKFold ahora lanzan una advertencia si se establece random_state pero shuffle es False. Esto generará un error en 0.24.

sklearn.multioutput

• Fix multioutput.MultiOutputClassifier ahora tiene el atributo classes_. #14629 por Agamemnon Krasoulis.

• Fix multioutput.MultiOutputClassifier ahora tiene predict_proba como propiedad y se puede comprobar con hasattr. #15488 #15490 por Rebekah Kim

sklearn.naive_bayes

• Major Feature Añadido naive_bayes.CategoricalNB que implementa el clasificador Categorical Naive Bayes. #12569 por Tim Bicker y Florian Wilhelm.

sklearn.neighbors

• Major Feature Se ha añadido neighbors.KNeighborsTransformer y neighbors.RadiusNeighborsTransformer, que transforman el conjunto de datos de entrada en un gráfico de vecinos dispersos. Proporcionan un control más preciso de los cálculos de vecinos más cercanos y permiten un fácil almacenamiento en caché para su uso múltiple. #10482 por Tom Dupre la Tour.

• Feature |Nighbors.KNeighborsClassifier, neighbors.KNeighborsRegressor, neighbors.RadiusNeighborsClassifier, neighbors.RadiusNeighborsRegressor, y neighbors.LocalOutlierFactor aceptan ahora el gráfico de vecinos dispersos precalculado como entrada. #10482 por Tom Dupre la Tour y Kumar Ashutosh.

• Feature neighbors.RadiusNeighborsClassifier ahora soporta la predicción de probabilidades mediante predict_proba y soporta más opciones de outlier_label: “most_frequent”, o diferentes outlier_labels para multi-salidas. #9597 by Wenbo Zhao.

• Efficiency Mejoras en la eficiencia de neighbors.RadiusNeighborsClassifier.predict. #9597 por Wenbo Zhao.

• Fix neighbors.KNeighborsRegressor ahora lanza un error cuando metric='precomputed' y se ajusta a datos no cuadrados. #14336 por Gregory Dexter.

sklearn.neural_network

• Feature Añade el parámetro max_fun en neural_network.BaseMultilayerPerceptron, neural_network.MLPRegressor, y neural_network.MLPClassifier para dar control sobre el número máximo de evaluación de funciones para no cumplir con la mejora tol. #9274 por Daniel Perry.

sklearn.pipeline

• Enhancement pipeline.Pipeline ahora soporta score_samples si el estimador final lo hace. #13806 por Anaël Beaugnon.

• Fix El fit en FeatureUnion ahora acepta fit_params para pasar a los transformadores subyacentes. #15119 por Adrin Jalali.

• API Change None como transformador está ahora obsoleto en pipeline.FeatureUnion. Por favor, utiliza 'drop' en su lugar. #15053 por Thomas Fan.

sklearn.preprocessing

• Efficiency preprocessing.PolynomialFeatures es ahora más rápida cuando los datos de entrada son densos. #13290 por Xavier Dupré.

• Enhancement Evita la copia innecesaria de datos al ajustar los preprocesadores preprocessing.StandardScaler, preprocessing.MinMaxScaler, preprocessing.MaxAbsScaler, preprocessing.RobustScaler y preprocessing.QuantileTransformer lo que supone una ligera mejora de rendimiento. #13987 por Roman Yurchak.

• Fix KernelCenterer ahora lanza un error cuando se ajusta a un no cuadrado preprocessing.KernelCenterer #14336 por Gregory Dexter.

sklearn.model_selection

• Fix model_selection.GridSearchCV y model_selection.RandomizedSearchCV soportan ahora la propiedad _pairwise, que evita un error durante la validación cruzada para los estimadores con entradas pairwise (como neighbors. KNeighborsClassifier cuando metric se establece como “precomputed”). #13925 por Isaac S. Robson y #15524 por Xun Tang.

sklearn.svm

• Enhancement svm.SVC y svm.NuSVC ahora aceptan un parámetro break_ties. Este parámetro da como resultado que predict rompa los lazos de acuerdo con los valores de confianza de decision_function, if decision_function_shape='ovr', y el número de clases de destino > 2. #12557 de Adrin Jalali.

• Enhancement Los estimadores SVM ahora arrojan un error más específico cuando kernel='precomputed' y se ajustan a datos no cuadrados. #14336 por Gregory Dexter.

• Fix svm.SVC, svm.SVR, svm.NuSVR y svm. neClassSVM cuando se recibían valores negativos o cero para el parámetro sample_weight en ajuste del método(), se generaba un modelo no válido. Este comportamiento ocurrió sólo en algunos escenarios límite. #14286 por Alex Shacked.

• Fix El atributo n_support_ de svm.SVR y svm.OneClassSVM no se inicializó previamente, y tenía el tamaño 2. Ahora tiene el tamaño 1 con el valor correcto. #15099 por Nicolas Hug.

• Fix se corrigió un error en BaseLibSVM._sparse_fit donde n_SV=0 provoca un ZeroDivisionError. #14894 por Danna Naser.

• Fix El solucionador liblinear ahora soporta sample_weight. #15038 por Guillaume Lemaitre.

sklearn.tree

• Feature Añade una poda mínima de complejidad de costo, controlada por ccp_alpha, a tree.DecisionTreeClassifier, tree.DecisionTreeRegressor, tree.ExtraTreeClassifier, tree.ExtraTreeRegressor, ensemble. andomForestClassifier, ensemble.RandomForestRegressor, ensemble.ExtraTreesClassifier, ensemble.ExtraTreesRegressor, ensemble.GradientBoostingClassifier, y ensemble.GradientBoostingRegressor. #12887 por Thomas Fan.

• API Change El parámetro presort está ahora obsoleto en tree.DecisionTreeClassifier y tree.DecisionTreeRegressor, y el parámetro no tiene efecto. #14907 por Adrin Jalali.

• API Change Los atributos classes_ y n_classes_ de tree.DecisionTreeRegressor están ahora obsoletos. #15028 por Mei Guan, Nicolas Hug, y Adrin Jalali.

sklearn.utils

• Feature check_estimator ahora puede generar comprobaciones estableciendo generate_only=True. Anteriormente, la ejecución de check_estimator se detenía cuando fallaba la primera comprobación. Con generate_only=True, todas las comprobaciones pueden ejecutarse independientemente e informar de las que fallan. Lea más en Rodando tu propio estimador. #14381 por Thomas Fan.

• Feature Se ha añadido un decorador específico de pytest, parametrize_with_checks, para parametrizar las comprobaciones del estimador para una lista de estimadores. #14381 por Thomas Fan.

• Feature Una nueva variable aleatoria, utils.fixes.loguniform implementa una variable aleatoria log-uniforme (por ejemplo, para su uso en RandomizedSearchCV). Por ejemplo, los resultados 1, 10 y 100 son todos igualmente probables para loguniform(1, 100). Ver #11232 de Scott Sievert y Nathaniel Saul, y SciPy PR 10815 <https://github.com/scipy/scipy/pull/10815>.

• Enhancement utils.safe_indexing (ahora obsoleto) acepta un parámetro axis para indexar array-like a través de filas y columnas. La indexación de columnas se puede hacer en un array NumPy, una matriz dispersa SciPy y un DataFrame de Pandas. Se ha realizado una refactorización adicional. #14035 y #14475 por Guillaume Lemaitre.

• Enhancement utils.extmath.safe_sparse_dot funciona entre 3D+ ndarray y matriz dispersa. #14538 por Jérémie du Boisberranger.

• Fix utils.check_array ahora genera un error en lugar de convertir NaN en entero. #14872 por Roman Yurchak.

• Fix utils.check_array detectará ahora correctamente los tipos de datos numéricos en los dataframes de pandas, corrigiendo un error por el que float32 se convertía en float64 innecesariamente. #15094 por Andreas Müller.

• API Change Las siguientes utils ya son obsoletas y ahora son privadas:

  • choose_check_classifiers_labels

  • enforce_estimator_tags_y

  • mocking.MockDataFrame

  • mocking.CheckingClassifier

  • optimize.newton_cg

  • random.random_choice_csc

  • utils.choose_check_classifiers_labels

  • utils.enforce_estimator_tags_y

  • utils.optimize.newton_cg

  • utils.random.random_choice_csc

  • utils.safe_indexing

  • utils.mocking

  • utils.fast_dict

  • utils.seq_dataset

  • utils.weight_vector

  • utils.fixes.parallel_helper (eliminado)

  • Todos los utils.testing excepto all_estimators que ahora está en utils.

sklearn.isotonic

• Fix Se ha corregido un error por el que isotonic.IsotonicRegression.fit daba lugar a un error cuando X.dtype == 'float32' y X.dtype != y.dtype. #14902 por Lucas.

Varios

• Fix Port lobpcg de SciPy que implementa algunas correcciones de errores pero sólo está disponible en 1.3+. #13609 y #14971 por Guillaume Lemaitre.

• API Change Scikit-learn ahora convierte cualquier estructura de datos de entrada que implemente un arreglo de pato a un arreglo de numpy (usando __array__) para asegurar un comportamiento consistente en lugar de depender de __array_function__ (ver NEP 18). #14702 por Andreas Müller.

• API Change Sustituir las comprobaciones manuales por check_is_fitted. Los errores arrojados al utilizar un estimador no ajustado son ahora más uniformes. #13013 por Agamemnon Krasoulis.

Cambios en las comprobaciones de los estimadores

Estos cambios afectan principalmente a los desarrolladores de bibliotecas.

• Ahora se espera que los estimadores lancen un NotFittedError si se llama a predict o transform antes de fit; antes se aceptaba un AttributeError o ValueError. #13013 by by Agamemnon Krasoulis.

• Los clasificadores sólo binarios son ahora compatibles con las comprobaciones de los estimadores. Estos clasificadores deben tener la etiqueta de estimador binary_only=True. #13875 de Trevor Stephens.

• Se espera que los estimadores conviertan los datos de entrada (X, y, sample_weights) en numpy.ndarray y nunca llamen a __array_function__ en el tipo de datos original que se pasa (ver NEP 18). #14702 por Andreas Müller.

• La etiqueta del estimador requires_positive_X (para los modelos que requieren que X no sea negativo) es utilizada ahora por utils.estimator_checks.check_estimator para asegurarse de que se emita un mensaje de error adecuado si X contiene algunas entradas negativas. #14680 por Alex Gramfort.

• Se añadió la comprobación de que los estimadores emparejan un error en los datos no cuadrados #14336 por Gregory Dexter.

• Se añadieron dos estimadores de salida múltiple comunes check_classifier_multioutput y check_regressor_multioutput. #13392 por Rok Mihevc.

• Fix Agregado check_transformer_data_not_an_array a las comprobaciones donde faltan

• Fix La resolución de las etiquetas de estimadores ahora sigue a la MRO regular. Solían ser reemplazables solo una vez. #14884 por Andreas MuATIller.

Colaboradores de código y documentación

Gracias a quienes han contribuido al mantenimiento y mejora del proyecto desde la versión 0.21, incluyendo:

Aaron Alphonsus, Abbie Popa, Abdur-Rahmaan Janhangeer, abenbihi, Abhinav Sagar, Abhishek Jana, Abraham K. Lagat, Adam J. Stewart, Aditya Vyas, Adrin Jalali, Agamemnon Krasoulis, Alec Peters, Alessandro Surace, Alexandre de Siqueira, Alexandre Gramfort, alexgoryainov, Alex Henrie, Alex Itkes, alexshacked, Allen Akinkunle, Anaël Beaugnon, Anders Kaseorg, Andrea Maldonado, Andrea Navarrete, Andreas Mueller, Andreas Schuderer, Andrew Nystrom, Angela Ambroz, Anisha Keshavan, Ankit Jha, Antonio Gutierrez, Anuja Kelkar, Archana Alva, arnaudstiegler, arpanchowdhry, ashimb9, Ayomide Bamidele, Baran Buluttekin, barrycg, Bharat Raghunathan, Bill Mill, Biswadip Mandal, blackd0t, Brian G. Barkley, Brian Wignall, Bryan Yang, c56pony, camilaagw, cartman_nabana, catajara, Cat Chenal, Cathy, cgsavard, Charles Vesteghem, Chiara Marmo, Chris Gregory, Christian Lorentzen, Christos Aridas, Dakota Grusak, Daniel Grady, Daniel Perry, Danna Naser, DatenBergwerk, David Dormagen, deeplook, Dillon Niederhut, Dong-hee Na, Dougal J. Sutherland, DrGFreeman, Dylan Cashman, edvardlindelof, Eric Larson, Eric Ndirangu, Eunseop Jeong, Fanny, federicopisanu, Felix Divo, flaviomorelli, FranciDona, Franco M. Luque, Frank Hoang, Frederic Haase, g0g0gadget, Gabriel Altay, Gabriel do Vale Rios, Gael Varoquaux, ganevgv, gdex1, getgaurav2, Gideon Sonoiya, Gordon Chen, gpapadok, Greg Mogavero, Grzegorz Szpak, Guillaume Lemaitre, Guillem García Subies, H4dr1en, hadshirt, Hailey Nguyen, Hanmin Qin, Hannah Bruce Macdonald, Harsh Mahajan, Harsh Soni, Honglu Zhang, Hossein Pourbozorg, Ian Sanders, Ingrid Spielman, J-A16, jaehong park, Jaime Ferrando Huertas, James Hill, James Myatt, Jay, jeremiedbb, Jérémie du Boisberranger, jeromedockes, Jesper Dramsch, Joan Massich, Joanna Zhang, Joel Nothman, Johann Faouzi, Jonathan Rahn, Jon Cusick, Jose Ortiz, Kanika Sabharwal, Katarina Slama, kellycarmody, Kennedy Kang’ethe, Kensuke Arai, Kesshi Jordan, Kevad, Kevin Loftis, Kevin Winata, Kevin Yu-Sheng Li, Kirill Dolmatov, Kirthi Shankar Sivamani, krishna katyal, Lakshmi Krishnan, Lakshya KD, LalliAcqua, lbfin, Leland McInnes, Léonard Binet, Loic Esteve, loopyme, lostcoaster, Louis Huynh, lrjball, Luca Ionescu, Lutz Roeder, MaggieChege, Maithreyi Venkatesh, Maltimore, Maocx, Marc Torrellas, Marie Douriez, Markus, Markus Frey, Martina G. Vilas, Martin Oywa, Martin Thoma, Masashi SHIBATA, Maxwell Aladago, mbillingr, m-clare, Meghann Agarwal, m.fab, Micah Smith, miguelbarao, Miguel Cabrera, Mina Naghshhnejad, Ming Li, motmoti, mschaffenroth, mthorrell, Natasha Borders, nezar-a, Nicolas Hug, Nidhin Pattaniyil, Nikita Titov, Nishan Singh Mann, Nitya Mandyam, norvan, notmatthancock, novaya, nxorable, Oleg Stikhin, Oleksandr Pavlyk, Olivier Grisel, Omar Saleem, Owen Flanagan, panpiort8, Paolo, Paolo Toccaceli, Paresh Mathur, Paula, Peng Yu, Peter Marko, pierretallotte, poorna-kumar, pspachtholz, qdeffense, Rajat Garg, Raphaël Bournhonesque, Ray, Ray Bell, Rebekah Kim, Reza Gharibi, Richard Payne, Richard W, rlms, Robert Juergens, Rok Mihevc, Roman Feldbauer, Roman Yurchak, R Sanjabi, RuchitaGarde, Ruth Waithera, Sackey, Sam Dixon, Samesh Lakhotia, Samuel Taylor, Sarra Habchi, Scott Gigante, Scott Sievert, Scott White, Sebastian Pölsterl, Sergey Feldman, SeWook Oh, she-dares, Shreya V, Shubham Mehta, Shuzhe Xiao, SimonCW, smarie, smujjiga, Sönke Behrends, Soumirai, Sourav Singh, stefan-matcovici, steinfurt, Stéphane Couvreur, Stephan Tulkens, Stephen Cowley, Stephen Tierney, SylvainLan, th0rwas, theoptips, theotheo, Thierno Ibrahima DIOP, Thomas Edwards, Thomas J Fan, Thomas Moreau, Thomas Schmitt, Tilen Kusterle, Tim Bicker, Timsaur, Tim Staley, Tirth Patel, Tola A, Tom Augspurger, Tom Dupré la Tour, topisan, Trevor Stephens, ttang131, Urvang Patel, Vathsala Achar, veerlosar, Venkatachalam N, Victor Luzgin, Vincent Jeanselme, Vincent Lostanlen, Vladimir Korolev, vnherdeiro, Wenbo Zhao, Wendy Hu, willdarnell, William de Vazelhes, wolframalpha, xavier dupré, xcjason, x-martian, xsat, xun-tang, Yinglr, yokasre, Yu-Hang «Maxin» Tang, Yulia Zamriy, Zhao Feng