Versión 0.24.1

Enero 2021

Empaquetado

Las wheels 0.24.0 de scikit-learn no funcionaban con MacOS <1.15 debido a libomp. La versión de libomp utilizada para construir las wheels era demasiado reciente para las versiones más antiguas de macOS. Esta incidencia se ha solucionado para las wheels de scikit-learn en la versión 0.24.1. Las wheels de scikit-learn publicadas en PyPI.org ahora soportan oficialmente macOS 10.13 y posteriores.

Registro de cambios

sklearn.metrics

• Fix Corregir un error de estabilidad numérica que podía ocurrir en metrics.adjusted_mutual_info_score y metrics.mutual_info_score con NumPy 1.20+. #19179 por Thomas Fan.

sklearn.semi_supervised

• Fix semi_supervised.SelfTrainingClassifier acepta ahora metaestimadores (por ejemplo, ensemble.StackingClassifier). La validación de este estimador se realiza sobre el estimador ajustado, una vez que conocemos la existencia del método predict_proba. #19126 de Guillaume Lemaitre.

Versión 0.24.0

Diciembre 2020

Para una breve descripción de los principales aspectos de la versión, consulta Aspectos Destacados de scikit-learn 0.24.

Leyenda para registros de cambios

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

• Feature : algo que antes no podías hacer.

• 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.

Coloca los cambios en su módulo correspondiente.

Modelos cambiados

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.

• Fix El comportamiento de decomposition.KernelPCA es ahora más consistente entre datos de 32-bits y 64-bits cuando el kernel tiene autovalores pequeños positivos.

• Fix decomposition.TruncatedSVD se vuelve determinista exponiendo un parámetro random_state.

• Fix linear_model.Perceptron cuando penalty='elasticnet'.

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

• Fix base.BaseEstimator.get_params ahora generará un AttributeError si un parámetro no puede ser recuperado como un atributo de instancia. Antes devolvía None. #17448 por Juan Carlos Alfaro Jiménez.

sklearn.calibration

• Efficiency calibration.CalibratedClassifierCV.fit ahora soporta la paralelización a través de joblib.Parallel utilizando el argumento n_jobs. #17107 por Julien Jerphanion.

• Enhancement Permite calibration.CalibratedClassifierCV usar con el prefijo pipeline.Pipeline donde los datos no son X no es array-like, como la matriz dispersa o el dataframe al comienzo. #17546 por Lucy Liu.

• Enhancement Añadir el parámetro ensemble a calibration.CalibratedClassifierCV, que permite la implementación de la calibración a través de un conjunto de calibradores (método actual) o sólo un calibrador utilizando todos los datos (similar a la característica incorporada de los estimadores sklearn.svm con el parámetro probabilities=True). #17856 por Lucy Liu y Andrea Esuli.

sklearn.cluster

• Enhancement cluster.AgglomerativeClustering tiene un nuevo parámetro compute_distances. Cuando se establece como True, las distancias entre conglomerados se calculan y se almacenan en el atributo distances_ incluso cuando no se utiliza el parámetro distance_threshold. Este nuevo parámetro es útil para producir visualizaciones de dendrogramas, pero introduce una sobrecarga computacional y de memoria. #17984 por Michael Riedmann, Emilie Delattre, y Francesco Casalegno.

• Enhancement cluster.SpectralClustering y cluster.spectral_clustering tienen un nuevo argumento de palabra clave verbose. Cuando se establece como True, se mostrarán mensajes adicionales que pueden ayudar a la depuración. #18052 por Sean O. Stalley.

• Enhancement Se añadió cluster.kmeans_plusplus como función pública. La inicialización de KMeans++ ahora puede ser llamada por separado para generar los centroides iniciales de los conglomerados. #17937 por @g-walsh

• API Change Los atributos counts_ y init_size_ de cluster.MiniBatchKMeans están obsoletos y se eliminarán en la versión 1.1 (cambio de nombre de la 0.26). #17864 por Jérémie du Boisberranger.

sklearn.compose

• Fix compose.ColumnTransformer omitirá los transformadores donde el selector de columna es una lista de booleanos que son False. #17616 por Thomas Fan.

• Fix compose.ColumnTransformer ahora muestra el resto en la visualización del diagrama. #18167 por Thomas Fan.

• Fix compose.ColumnTransformer refuerza el conteo estricto y el orden de los nombres de las columnas entre fit y transform lanzando un error en lugar de una advertencia, siguiendo el ciclo de obsolescencia. #18256 por Madhura Jayratne.

sklearn.covariance

• API Change Se reemplazó cv_alphas_ por cv_results_['alphas'] y grid_scores_ por puntuaciones divididas en cv_results_ en covariance.GraphicalLassoCV. cv_alphas_ y grid_scores_ se eliminarán en la versión 1.1 (cambio de nombre de la 0.26). #16392 por Thomas Fan.

sklearn.cross_decomposition

• Fix Se corregió un error en cross_decomposition.PLSSVD que a veces devolvía componentes en el orden de importancia invertido. #17095 por Nicolas Hug.

• Fix Se corrigió un error en cross_decomposition.PLSSVD, cross_decomposition.CCA, y cross_decomposition.PLSCanonical, que conducía a predicciones incorrectas para est.transform(Y) cuando los datos de entrenamiento son de objetivo simple. #17095 por Nicolas Hug.

• Fix Aumentada la estabilidad de cross_decomposition.CCA #18746 de Thomas Fan.

• API Change Para cross_decomposition.NMF, el valor init, cuando init=None' y n_components <= min(n_samples, n_features) se cambiará de `'nndsvd' a 'nndsvda' en 1.1 (cambio de nombre de 0.26). #18525 por Chiara Marmo.

• API Change Los límites del parámetro n_componentes están ahora restringidos:

  • a [1, min(n_samples, n_features, n_targets)], para cross_decomposition.PLSSVD, cross_decomposition.CCA, y cross_decomposition.PLSCanonical.

  • a [1, n_features] o cross_decomposition.PLSRegression.

  Se producirá un error en la versión 1.1 (cambio de nombre de la versión 0.26). #17095 por Nicolas Hug.

• API Change Para cross_decomposition.PLSSVD, cross_decomposition.CCA, y cross_decomposition.PLSCanonical, los atributos x_scores_ y y_scores_ han quedado obsoletos y se eliminarán en la versión 1.1 (cambio de nombre de 0.26). Pueden recuperarse llamando a transform en los datos de entrenamiento. El atributo norm_y_weights también será eliminado. #17095 por Nicolas Hug.

• API Change Para cross_decomposition.PLSRegression, cross_decomposition.PLSCanonical, cross_decomposition.CCA, y cross_decomposition. PLSSVD, los atributos x_mean_, y_mean_, x_std_ y y_std_ han quedado obsoletos y se eliminarán en la versión 1.1 (cambio de nombre de la versión 0.26). #18768 por Maren Westermann.

• Fix decomposition.TruncatedSVD se convierte en determinista utilizando random_state. Controla la inicialización de las ponderaciones del solucionador ARPACK subyacente. :pr:` #18302` por Gaurav Desai y Ivan Panico.

sklearn.datasets

• Feature datasets.fetch_openml valida ahora la suma de comprobación md5 de los archivos arff descargados o almacenados en caché para garantizar la integridad de los datos. #14800 por Shashank Singh y Joel Nothman.

• Feature datasets.fetch_openml valida ahora la suma de comprobación md5 de los archivos arff descargados o almacenados en caché para garantizar la integridad de los datos. #14800 por Shashank Singh y Joel Nothman.

• Enhancement datasets.fetch_openml ahora permite que el argumento as_frame sea “auto”, lo que intenta convertir los datos devueltos a DataFrames de pandas a menos que los datos sean dispersos. #17396 por Jiaxiang.

• Enhancement datasets.fetch_covtype soporta ahora el argumento opcional as_frame; cuando se establece en True, los miembros data y frame del objeto Bunch devuelto son DataFrames de pandas , y el miembro target es una Serie de pandas. #17491 por Alex Liang.

• Enhancement datasets.fetch_kddcup99 soporta ahora el argumento opcional as_frame; cuando se establece en True, los miembros data y frame del objeto Bunch devuelto son DataFrames de pandas, y el miembro target es una Serie de pandas. #18280 por Alex Liang y Guillaume Lemaitre.

• Enhancement datasets.fetch_20newsgroups_vectorized ahora soporta la carga como un DataFrame de pandas estableciendo as_frame=True. #17499 por Brigitta Sipőcz y Guillaume Lemaitre.

• API Change El valor por defecto de as_frame en datasets.fetch_openml se ha cambiado de False a “auto”. #17610 por Jiaxiang.

sklearn.decomposition

• Enhancement decomposition.FactorAnalysis ahora soporta el argumento opcional rotation, que puede tomar el valor None, 'varimax' o 'quartimax'. #11064 por Jona Sassenhagen.

• Enhancement decomposition.NMF soporta ahora el parámetro opcional regularization, que puede tomar los valores None, “components”, “transformation” o “both”, de acuerdo con decomposition.NMF.non_negative_factorization. #17414 por Bharat Raghunathan.

• Fix decomposition.KernelPCA el comportamiento es ahora más consistente entre los datos de entrada de 32-bits y 64-bits cuando el kernel tiene autovalores pequeños positivos. Los autovalores pequeños positivos no se descartaban correctamente para los datos de 32 bits. #18149 por Sylvain Marié.

• Fix Arreglado decomposition.SparseCoder para que siga la API de scikit-learn y soporte la clonación. El atributo components_ está obsoleto en la versión 0.24 y será eliminado en la 1.1 (cambio de nombre de la versión 0.26). Este atributo era redundante con el atributo dictionary y el parámetro constructor. #17679 por Xavier Dupré.

• Fix TruncatedSVD.fit_transform devuelve consistentemente lo mismo que TruncatedSVD.fit seguido de TruncatedSVD.transform. #18528 por Albert Villanova del Moral y Ruifeng Zheng.

sklearn.discriminant_analysis

• Enhancement discriminant_analysis.LinearDiscriminantAnalysis ahora puede utilizar la estimación de covarianza personalizada estableciendo el parámetro covariance_estimator. #14446 por Hugo Richard.

sklearn.ensemble

• Major Feature ensemble.HistGradientBoostingRegressor y ensemble.HistGradientBoostingClassifier ahora tienen soporte nativo para características categóricas con el parámetro categorical_features. #18394 por Nicolas Hug y Thomas Fan.

• Feature ensemble.HistGradientBoostingRegressor y ensemble.HistGradientBoostingClassifier soportan ahora el método staged_predict, que permite monitorizar cada etapa. #16985 por Hao Chun Chang.

• Efficiency se rompen las referencias cíclicas en los nodos del árbol utilizados internamente en ensemble.HistGradientBoostingRegressor y ensemble.HistGradientBoostingClassifier para permitir la recolección oportuna de residuos (garbage) de grandes estructuras de datos intermedias y para mejorar el uso de la memoria en fit. #18334 por Olivier Grisel Nicolas Hug, Thomas Fan y Andreas Müller.

• Efficiency La inicialización del histograma se realiza ahora en paralelo en ensemble.HistGradientBoostingRegressor y ensemble.HistGradientBoostingClassifier, lo que resulta en una mejora de la velocidad para los problemas que construyen muchos nodos en máquinas multinúcleo. #18341 por Olivier Grisel, Nicolas Hug, Thomas Fan, y Egor Smirnov.

• Fix Se corrigió un error en ensemble.HistGradientBoostingRegressor y ensemble.HistGradientBoostingClassifier que ahora pueden aceptar datos con tipo de dato uint8 en predict. #18410 por Nicolas Hug.

• API Change El parámetro n_classes_ está ahora obsoleto en ensemble.GradientBoostingRegressor y devuelve 1. #17702 por Simona Maggio.

• API Change El error medio absoluto (“mae”) está ahora obsoleto para el parámetro criterion en ensemble.GradientBoostingRegressor y ensemble.GradientBoostingClassifier. #18326 por Madhura Jayaratne.

sklearn.exceptions

• API Change exceptions.ChangedBehaviorWarning y exceptions.NonBLASDotWarning están obsoletos y se eliminarán en la versión 1.1 (cambio de nombre de la versión 0.26). #17804 por Adrin Jalali.

sklearn.feature_extraction

• Enhancement feature_extraction.DictVectorizer acepta múltiples valores para una característica categórica. #17367 por Peng Yu y Chiara Marmo.

• Fix feature_extraction.CountVectorizer plantea una incidencia si se proporciona un patrón de token personalizado que captura más de un grupo. #15427 por Gangesh Gudmalwar y Erin R Hoffman.

sklearn.feature_selection

• Feature Se añadió feature_selection.SequentialFeatureSelector que implementa la selección secuencial de características hacia delante y hacia atrás. #6545 por Sebastian Raschka y #17159 por Nicolas Hug.

• Se añadió un nuevo parámetro importance_getter a feature_selection.RFE, feature_selection.RFECV y feature_selection.SelectFromModel, que permite al usuario especificar un nombre/ruta de atributo o un callable para extraer la importancia de la característica del estimador. #15361 por Venkatachalam N.

• Efficiency Reduce la huella de memoria en feature_selection.mutual_info_classif y feature_selection.mutual_info_regression llamando a neighbors.KDTree para contar los vecinos más cercanos. #17878 por Noel Rogers.

• Enhancement feature_selection.RFE soporta la opción de que el número de n_features_to_select sea dado como un float que representa el porcentaje de características a seleccionar. #17090 por Lisa Schwetlick y Marija Vlajic Wheeler.

sklearn.gaussian_process

• Enhancement Se llama a un nuevo método gaussian_process.Kernel._check_bounds_params después de ajustar un Proceso Gaussiano y genera un ConvergenceWarning si los límites de los hiperparámetros son demasiado estrechos. #12638 por Sylvain Lannuzel.

sklearn.impute

• Feature impute.SimpleImputer ahora soporta una lista de cadenas cuando strategy='most_frequent' o strategy='constant'. #17526 por Ayako YAGI y Juan Carlos Alfaro Jiménez.

• Feature Se añadió el método impute.SimpleImputer.inverse_transform para revertir los datos imputados al original cuando se instancian con add_indicator=True. #17612 por Srimukh Sripada.

• Fix reemplaza los valores por defecto en impute.IterativeImputer de los parámetros min_value y max_value a -np.inf y np.inf, respectivamente en lugar de None. Sin embargo, el comportamiento de la clase no cambia, ya que None ya tenía estos valores por defecto. #16493 por Darshan N.

• Fix impute.IterativeImputer no intentará establecer el atributo random_state del estimador, permitiendo utilizarlo con más clases externas. #15636 por David Cortes.

• Efficiency impute.SimpleImputer es ahora más rápido con arreglos de tipo de dato object. Cuando strategy='most_frequent' en SimpleImputer. #18987 por David Katz.

sklearn.inspection

• Feature Ahora inspection.partial_dependence y inspection.plot_partial_dependence permiten calcular y graficar curvas de Expectativas Condicionales Individuales (ICE) controladas por el parámetro kind. #16619 por Madhura Jayratne.

• Feature Añadido el parámetro sample_weight a inspection.permutation_importance. #16906 por Roei Kahny.

• API Change Los argumentos posicionales están obsoletos en inspection.PartialDependenceDisplay.plot y darán error en la versión 1.1 (cambio de nombre de la versión 0.26). #18293 por Thomas Fan.

sklearn.isotonic

• Feature Expone los atributos ajustados X_thresholds_ y y_thresholds_ que contienen los umbrales de interpolación duplicados de una instancia isotonic.IsotonicRegression para la inspección del modelo. #16289 por Masashi Kishimoto y Olivier Grisel.

• Enhancement isotonic.IsotonicRegression ahora acepta arreglos 2d con 1 característica como arreglo de entrada. #17379 por Jiaxiang.

• Fix Añadida la tolerancia al determinar los valores X duplicados para evitar que se predigan valores infinitos (inf) por isotonic.IsotonicRegression. #18639 por Lucy Liu.

sklearn.kernel_approximation

• Feature Añadida la clase kernel_approximation.PolynomialCountSketch que implementa el algoritmo Tensor Sketch para la aproximación del mapa de características del kernel polinomial. #13003 por Daniel López Sánchez.

• Efficiency kernel_approximation.Nystroem ahora soporta la paralelización a través de joblib.Parallel utilizando el argumento n_jobs. #18545 por Laurenz Reitsam.

sklearn.linear_model

• Feature linear_model.LinearRegression ahora obliga a que los coeficientes sean todos positivos cuando positive se establece como True. #17578 por Joseph Knox, Nelle Varoquaux y Chiara Marmo.

• Enhancement linear_model.RidgeCV ahora permite encontrar un valor de regularización óptimo alpha para cada objetivo por separado estableciendo alpha_per_target=True. Esto solo es compatible cuando se utiliza el esquema de validación cruzada eficiente leave-one-out por defecto cv=None. #6624 por Marijn van Vliet.

• Fix Corregido un error en linear_model.TheilSenRegressor donde predict y score fallaban cuando fit_intercept=False y había una característica durante el ajuste. #18121 por Thomas Fan.

• Fix Corregido un error en linear_model.ARDRegression en el que predict generaba un error cuando normalize=True y return_std=True porque X_offset_ y X_scale_ no estaban definidos. #18607 por fhaselbeck.

• Fix Se añadió el parámetro l1_ratio faltante en linear_model.Perceptron, para ser utilizado cuando penalty='elasticnet'. Esto cambia el valor por defecto de 0 a 0.15. #18622 por Haesun Park.

sklearn.manifold

• Efficiency Corregido #10493. Mejora el embedding local lineal (LLE en inglés), que provocaba una excepción MemoryError cuando se utilizaba con entradas grandes. #17997 por Bertrand Maisonneuve.

• Enhancement Añadido el parámetro square_distances a manifold.TSNE, que proporciona compatibilidad hacia atrás durante la obsolescencia del comportamiento de cuadrados heredado. Las distancias se elevarán al cuadrado por defecto en la versión 1.1 (cambio de nombre de la versión 0.26), y este parámetro se eliminará en la versión 1.3. #17662 por Joshua Newton.

• Fix manifold.MDS ahora establece correctamente su atributo _pairwise. #18278 por Thomas Fan.

sklearn.metrics

• Feature Añadida metrics.cluster.pair_confusion_matrix que implementa la matriz de confusión que surge de los pares de elementos de dos agrupaciones. #17412 por Uwe F Mayer.

• Feature Nueva métrica metrics.top_k_accuracy_score. Es una generalización de metrics.top_k_accuracy_score, la diferencia es que una predicción se considera correcta siempre que la etiqueta verdadera esté asociada a una de las k puntuaciones predichas más altas. accuracy_score es el caso especial de k = 1. #16625 por Geoffrey Bolmier.

• Feature Se añadió metrics.det_curve para calcular la métrica de clasificación de la curva de compensación de errores de detección. #10591 por Jeremy Karnowski y Daniel Mohns.

• Feature Añadida metrics.plot_det_curve y metrics.DetCurveDisplay para facilitar el gráfico de las curvas DET. #18176 por Guillaume Lemaitre.

• Feature Se añadió la métrica metrics.mean_absolute_percentage_error y el puntuador asociado para los problemas de regresión. #10708 corregido con el PR #15007 por Ashutosh Hathidara. El puntuador y algunos casos prácticos de prueba fueron tomados del PR #10711 por Mohamed Ali Jamaoui.

• Feature Añadida metrics.rand_score implementando el índice Rand (no ajustado). #17412 por Uwe F Mayer.

• Feature metrics.plot_confusion_matrix ahora soporta que la barra de colores sea opcional en el gráfico de matplotlib estableciendo colorbar=False. #17192 por Avi Gupta.

• Feature metrics.plot_confusion_matrix ahora soporta que la barra de colores sea opcional en el gráfico de matplotlib estableciendo colorbar=False. #17192 por Avi Gupta.

• Enhancement Añadido el parámetro sample_weight a metrics.median_absolute_error. #17225 por Lucy Liu.

• Enhancement Añadido el parámetro pos_label en metrics.plot_precision_recall_curve para especificar la clase positiva que se utilizará al calcular las estadísticas de precisión y exhaustividad. #17569 por Guillaume Lemaitre.

• Enhancement Añadido el parámetro pos_label en metrics.plot_roc_curve para especificar la clase positiva que se utilizará al calcular las estadísticas roc auc. #17651 por Clara Matos.

• Fix Se corrigió un error en metrics.classification_report que generaba AttributeError cuando se llamaba con output_dict=True para valores de longitud 0. #17777 por Shubhanshu Mishra.

• Fix Se corrigió un error en metrics.classification_report que generaba AttributeError cuando se llamaba con output_dict=True para valores de longitud 0. #17777 por Shubhanshu Mishra.

• Fix Se corrigió un error en metrics.jaccard_score que recomendaba el parámetro zero_division cuando se llamaba sin muestras verdaderas o predichas. #17826 por Richard Decal y Joseph Willard

• Fix Corregido error en metrics.hinge_loss donde se produce un error cuando a y_true le faltan algunas etiquetas que se proporcionan explícitamente en el parámetro labels. #17935 por Cary Goltermann.

• Fix Corregidos los calificadores que aceptan un parámetro pos_label y calculan sus métricas a partir de los valores devueltos por decision_function o predict_proba. Anteriormente, devolvían valores erróneos cuando pos_label no se correspondía con classifier.classes_[1]. Esto es especialmente importante cuando se entrenan clasificadores directamente con clases objetivo etiquetadas con cadenas. #18114 por Guillaume Lemaitre.

• Fix Se corrigió un error en metrics.plot_confusion_matrix donde se produce un error cuando y_true contiene etiquetas que no han sido vistas previamente por el clasificador mientras los parámetros labels y display_labels están ajustados a None. #18405 por Thomas J. Fan y Yakov Pchelintsev.

sklearn.model_selection

• Major Feature Se añadieron estimadores (experimentales) de búsqueda de parámetros model_selection.HalvingRandomSearchCV y model_selection.HalvingGridSearchCV que implementan la división sucesiva a la mitad, y pueden utilizarse como sustitutos de model_selection.RandomizedSearchCV y model_selection.GridSearchCV. #13900 por Nicolas Hug, Joel Nothman y Andreas Müller.

• Feature model_selection.RandomizedSearchCV y model_selection.GridSearchCV ahora tienen el método score_samples #17478 por Teon Brooks y Mohamed Maskani.

• Enhancement model_selection.TimeSeriesSplit tiene dos nuevos argumentos de palabra clave test_size y gap. El argumento test_size permite que la longitud de la serie de tiempo fuera de la muestra sea fija para todos los pliegues. El argumento gap elimina un número fijo de muestras entre el conjunto de entrenamiento y el de prueba en cada pliegue. #13204 by Kyle Kosic.

• Enhancement model_selection.permutation_test_score y model_selection.validation_curve ahora aceptan fit_params para pasar parámetros adicionales del estimador. #18527 por Gaurav Dhingra, Julien Jerphanion y Amanda Dsouza.

• Enhancement model_selection.cross_val_score, model_selection.cross_validate, model_selection.GridSearchCV, y model_selection.RandomizedSearchCV permiten que el estimador falle la puntuación y reemplace la puntuación por error_score. Si error_score="raise", se generará el error. #18343 por Guillaume Lemaitre y Devi Sandeep.

• Enhancement model_selection.learning_curve ahora acepta fit_params para pasar parámetros adicionales del estimador. #18595 por Amanda Dsouza.

• Fix Corregido el len de model_selection.ParameterSampler cuando todas las distribuciones son listas y n_iter es mayor que el número de combinaciones únicas de parámetros. #18222 por Nicolas Hug.

• Fix Una corrección para que se genere una advertencia cuando una o más divisiones de CV de model_selection.GridSearchCV y model_selection.RandomizedSearchCV resulten en puntuaciones no finitas. #18266 por Subrat Sahu, Nirvan y Arthur Book.

• Enhancement model_selection.GridSearchCV, model_selection.RandomizedSearchCV y model_selection.cross_validate soportan que scoring sea un invocable que devuelva un diccionario de asociación de múltiples nombres/valores de métricas. #15126 por Thomas Fan.

sklearn.multiclass

• Enhancement multiclass.OneVsOneClassifier ahora acepta las entradas con valores faltantes. Por lo tanto, los estimadores que pueden manejar los valores faltantes (puede ser un pipeline con paso de imputación) se puede utilizar como un estimador para envoltorios multiclase. #17987 por Venkatachalam N.

• Fix Una corrección para permitir que multiclass.OutputCodeClassifier acepte datos de entrada dispersos en sus métodos fit y predict. La comprobación de la validez de la entrada se delega ahora en el estimador base. #17233 por Zolisa Bleki.

sklearn.multioutput

• Enhancement Ahora multioutput.MultiOutputClassifier y multioutput.MultiOutputRegressor aceptan las entradas con valores faltantes. Por lo tanto, los estimadores que pueden manejar valores faltantes (puede ser un pipeline con paso de imputación, estimadores HistGradientBoosting) pueden ser utilizados como un estimador para envoltorios multiclase. #17987 por Venkatachalam N.

• Fix Una corrección para aceptar tuplas para el parámetro order en multioutput.ClassifierChain. #18124 por Gus Brocchini y Amanda Dsouza.

sklearn.naive_bayes

• Enhancement Añadido un parámetro min_categories a naive_bayes.CategoricalNB que permite especificar un número mínimo de categorías por característica. Esto permite tener en cuenta las categorías no vistas durante el entrenamiento. #16326 por George Armstrong.

• API Change Los atributos coef_ e intercept_ ahora están obsoletos en naive_bayes.MultinomialNB, naive_bayes.ComplementNB, naive_bayes. BernoulliNB y naive_bayes.CategoricalNB, y se eliminarán en la v1.1 (cambio de nombre de la versión 0.26). #17427 por Juan Carlos Alfaro Jiménez.

sklearn.neighbors

• Efficiency Acelera las métricas seuclidean, wminkowski, mahalanobis y haversine en neighbors.DistanceMetric evitando la adquisición inesperada de GIL en Cython al establecer n_jobs>1 en neighbors.KNeighborsClassifier, neighbors. KNeighborsRegressor, neighbors.RadiusNeighborsClassifier, neighbors.RadiusNeighborsRegressor, metrics.pairwise_distances y validando los datos fuera de los bucles. #17038 por Wenbo Zhao.

• Efficiency neighbors.NeighborsBase se beneficia de una heurística mejorada algorithm = 'auto'. Además del conjunto de reglas anterior, ahora, cuando el número de características supera los 15, se selecciona brute, asumiendo que la dimensionalidad intrínseca de los datos es demasiado alta para los métodos basados en árboles. #17148 por Geoffrey Bolmier.

• Fix neighbors.BinaryTree generará un ValueError cuando se ajuste a un arreglo de datos que tenga puntos con diferentes dimensiones. #18691 por Chiara Marmo.

• Fix neighbors.NearestCentroid con un shrink_threshold numérico generará un ValueError al ajustarse en datos con todas las características constantes. #18370 por Trevor Waite.

• Fix En los métodos radius_neighbors y radius_neighbors_graph de neighbors.NearestNeighbors, neighbors.RadiusNeighborsClassifier, neighbors. RadiusNeighborsRegressor, y neighbors.RadiusNeighborsTransformer, utilizando sort_results=True ahora ordena correctamente los resultados incluso cuando se ajusta con el algoritmo «brute». #18612 por Tom Dupre la Tour.

sklearn.neural_network

• Efficiency El entrenamiento y la predicción de la red neuronal son ahora un poco más rápidos. #17603, #17604, #17606, #17608, #17609, #17633, #17661, #17932 por Alex Henrie.

• Enhancement Evita la conversión de entrada float32 a float64 en neural_network.BernoulliRBM. #16352 por Arthur Imbert.

• Enhancement Soporta cálculos de 32 bits en neural_network.MLPClassifier y neural_network.MLPRegressor. #17759 por Srimukh Sripada.

• Fix Corregido el método fit de neural_network.MLPClassifier que no itera a max_iter si se inicia en caliente. #18269 por Norbert Preining y Guillaume Lemaitre.

sklearn.pipeline

• Enhancement Las referencias a los transformadores pasados a través de transformer_weights a pipeline.FeatureUnion que no estén presentes en transformer_list darán lugar a un ValueError. #17876 por Cary Goltermann.

• Fix Una porción de un pipeline.Pipeline ahora hereda los parámetros del pipeline original (memory y verbose). #18429 por Albert Villanova del Moral y Paweł Biernat.

sklearn.preprocessing

• Feature preprocessing.OneHotEncoder ahora soporta valores faltantes tratándolos como una categoría. #17317 por Thomas Fan.

• Feature Añadido un nuevo parámetro handle_unknown con una opción use_encoded_value, junto con un nuevo parámetro unknown_value a preprocessing.OrdinalEncoder para permitir categorías desconocidas durante la transformación y establecer el valor codificado de las categorías desconocidas. #17406 por Felix Wick y #18406 por Nicolas Hug.

• Feature Añadido el parámetro clip a preprocessing.MinMaxScaler, que recorta los valores transformados de los datos de prueba a feature_range. #17833 por Yashika Sharma.

• Feature Añadido el parámetro sample_weight a preprocessing.StandardScaler. Permite establecer ponderaciones individuales para cada muestra. #18510, #18447, #16066 y #18682 por Maria Telenczuk, Albert Villanova, @panpiort8 y Alex Gramfort.

• Enhancement Se mejoró la salida verbosa de model_selection.GridSearchCV para facilitar la legibilidad. #16935 por Raghav Rajagopalan y Chiara Marmo.

• Enhancement Añadido unit_variance a preprocessing.RobustScaler, que escala los datos de salida de forma que las características normalmente distribuidas tengan una varianza de 1. #17193 por Lucy Liu y Mabel Villalba.

• Enhancement Añadido el parámetro dtype a preprocessing.KBinsDiscretizer. #16335 por Arthur Imbert.

• Fix Se produce un error en sklearn.preprocessing.OneHotEncoder.inverse_transform cuando handle_unknown='error' y drop=None para muestras codificadas como todos ceros. #14982 por Kevin Winata.

sklearn.semi_supervised

• Major Feature Añadido semi_supervised.SelfTrainingClassifier, un metaclasificador que permite que cualquier clasificador supervisado funcione como un clasificador semisupervisado que puede aprender de datos no etiquetados. #11682 por Oliver Rausch y Patrice Becker.

• Fix Corregida la codificación incorrecta al utilizar tipos de datos de cadena unicode en preprocessing.OneHotEncoder y preprocessing.OrdinalEncoder. #15763 por Thomas Fan.

sklearn.svm

• Enhancement invoca la API BLAS de SciPy para la función de kernel SVM en fit, predict y métodos relacionados de svm.SVC, svm.NuSVC, svm.SVR, svm.NuSVR, OneClassSVM. #16530 por Shuhua Fan.

sklearn.tree

• Feature tree.DecisionTreeRegressor ahora soporta el nuevo criterio de división 'poisson' útil para modelar datos de conteo. #17386 por Christian Lorentzen.

• Enhancement tree.plot_tree ahora utiliza los colores de la configuración de matplotlib. #17187 por Andreas Müller.

• API Change El parámetro X_idx_sorted está ahora obsoleto en tree.DecisionTreeClassifier.fit y tree.DecisionTreeRegressor.fit, y no tiene efecto. #17614 por Juan Carlos Alfaro Jiménez.

sklearn.utils

• Enhancement Añadido check_methods_sample_order_invariance a check_estimator, que comprueba que los métodos del estimador son invariantes si se aplican al mismo conjunto de datos con diferente orden de muestreo #17598 por Jason Ngo.

• Enhancement Añadido el soporte para ponderaciones en utils.sparse_func.incr_mean_variance_axis. Por Maria Telenczuk y Alex Gramfort.

• Fix Genera un ValueError con un mensaje de error claro en check_array para DataFrames dispersos con tipos mixtos. #17992 por Thomas J. Fan y Alex Shacked.

• Fix Se permite que los modelos basados en árboles serializados sean deserializados en una máquina con diferente endianidad (endianness). #17644 por Qi Zhang.

• Fix Comprobado que se genera el error adecuado cuando axis=1 y las dimensiones no coinciden en utils.sparse_func.incr_mean_variance_axis. Por Alex Gramfort.

Varios

• Enhancement Las llamadas a repr son ahora más rápidas cuando print_changed_only=True, especialmente con metaestimadores. #18508 por Nathan C..

Colaboradores de código y documentación

Gracias a todos los que han contribuido al mantenimiento y la mejora del proyecto desde la versión 0.23, incluyendo:

Abo7atm, Adam Spannbauer, Adrin Jalali, adrinjalali, Agamemnon Krasoulis, Akshay Deodhar, Albert Villanova del Moral, Alessandro Gentile, Alexander Lenail, alexandracraciun, Alexandre Gramfort, Alex Henrie, Alex Itkes, Alex Liang, alexshacked, Allan D Butler, Amanda Dsouza, amy12xx, Anand Tiwari, Anderson Nelson, Andreas Mueller, Ankit Choraria, Archana Subramaniyan, Arthur Imbert, Ashutosh Hathidara, Ashutosh Kushwaha, Atsushi Nukariya, Aura Munoz, AutoViz and Auto_ViML, Avi Gupta, Avinash Anakal, Ayako YAGI, barankarakus, barberogaston, beatrizsmg, Benjamin Bossan, Benjamin Pedigo, Ben Mainye, Bharat Raghunathan, Bhavika Devnani, Biprateep Dey, bmaisonn, Bo Chang, Boris Villazón-Terrazas, brigi, Brigitta Sipőcz, Bruno Charron, Byron Smith, Cary Goltermann, Cat Chenal, CeeThinwa, chaitanyamogal, Charles Patel, Chiara Marmo, Christian Kastner, Christian Lorentzen, Christoph Deil, Christos Aridas, Clara Matos, clmbst, Coelhudo, crispinlogan, Cristina Mulas, Daniel López, Daniel Mohns, darioka, Darshan N, david-cortes, Declan O’Neill, Deeksha Madan, Elizabeth DuPre, Eric Fiegel, Erich Schubert, Eric Larson, Erin Khoo, Erin R Hoffman, eschibli, Felix Wick, fhaselbeck, Forrest Koch, Francesco Casalegno, Frans Larsson, Gael Varoquaux, Gaurav Desai, Gaurav Sheni, genvalen, Geoffrey Bolmier, George Armstrong, George Kiragu, Gesa Stupperich, Ghislain Antony Vaillant, Gim Seng, Gordon Walsh, Gregory R. Lee, Guillaume Chevalier, Guillaume Lemaitre, Haesun Park, Hannah Bohle, Hao Chun Chang, Harry Scholes, Harsh Soni, Henry, Hirofumi Suzuki, Hitesh Somani, Hoda1394, Hugo Le Moine, hugorichard, indecisiveuser, Isuru Fernando, Ivan Wiryadi, j0rd1smit, Jaehyun Ahn, Jake Tae, James Hoctor, Jan Vesely, Jeevan Anand Anne, Jérémie du Boisberranger, JeroenPeterBos, JHayes, Jiaxiang, Jie Zheng, Jigna Panchal, jim0421, Jin Li, Joaquin Vanschoren, Joel Nothman, Jona Sassenhagen, Jonathan, Jorge Gorbe Moya, Joseph Lucas, Joshua Newton, Juan Carlos Alfaro Jiménez, Julien Jerphanion, Justin Huber, Kartik Chugh, Katarina Slama, kaylani2, Kendrick Cetina, Kenny Huynh, Kevin Markham, Kevin Winata, Kiril Isakov, kishimoto, Koki Nishihara, Krum Arnaudov, Kyle Kosic, Lauren Oldja, Laurenz Reitsam, Lisa Schwetlick, Louis Douge, Louis Guitton, Lucy Liu, Madhura Jayaratne, maikia, Manimaran, Manuel López-Ibáñez, Maren Westermann, Mariam-ke, Maria Telenczuk, Marijn van Vliet, Markus Löning, Martina G. Vilas, Martina Megasari, Martin Scheubrein, Mateusz Górski, mathschy, mathurinm, Matthias Bussonnier, Max Del Giudice, Michael, Milan Straka, Muoki Caleb, Nadia Tahiri, Ph. D, Naoki Hamada, Neil Botelho, N. Haiat, Nicolas Hug, Nils Werner, noelano, Norbert Preining, oj_lappi, Oleh Kozynets, Olivier Grisel, Pankaj Jindal, Pardeep Singh, Parthiv Chigurupati, Patrice Becker, Pete Green, pgithubs, Poorna Kumar, Prabakaran Kumaresshan, Probinette4, pspachtholz, pwalchessen, Qi Zhang, rachel fischoff, Rachit Toshniwal, Rafey Iqbal Rahman, Rahul Jakhar, Ram Rachum, RamyaNP, rauwuckl, Ravi Kiran Boggavarapu, Ray Bell, Reshama Shaikh, Richard Decal, Rishi Advani, Rithvik Rao, Rob Romijnders, roei, Romain Tavenard, Roman Yurchak, Ruby Werman, Ryotaro Tsukada, sadak, Saket Khandelwal, Sam, Sam Ezebunandu, Sam Kimbinyi, Sarah Brown, Saurabh Jain, Sean O. Stalley, Sergio, Shail Shah, Shane Keller, Shao Yang Hong, Shashank Singh, Shooter23, Shubhanshu Mishra, simonamaggio, Soledad Galli, Srimukh Sripada, Stephan Steinfurt, subrat93, Sunitha Selvan, Swier, SylvainLan, Sylvain Marié, Teon L Brooks, Terence Honles, Thijs van den Berg, Thomas9292, Thomas J Fan, Thomas J. Fan, Thomas S Benjamin, Thorben Jensen, tijanajovanovic, Timo Kaufmann, t-kusanagi2, tnwei, Tom Dupré la Tour, Trevor Waite, ufmayer, Umberto Lupo, Venkatachalam N, Vikas Pandey, Vinicius Rios Fuck, Violeta, watchtheblur, Wenbo Zhao, willpeppo, xavier dupré, Xethan, Xue Qianming, xun-tang, yagi-3, Yakov Pchelintsev, Yashika Sharma, Yi-Yan Ge, Yue Wu, Yutaro Ikeda, Zaccharie Ramzi, zoj613, Zhao Feng.