厉害了！Scikit-Learn 新版再次重磅升级
厉害了！Scikit-Learn 新版再次重磅升级
gh_1d7504e4dee1
回复：python，领取Python面试题。分享Python教程，Python架构师教程，Python爬虫，Python编程视频，Python脚本，Pycharm教程，Python微服务架构，Python分布式架构，Pycharm注册码。
本次scikit-learn 1.3更新增加了许多错误修复和改进，并引入了一些重要的新功能（增功能：标签编码、决策树缺失值处理 等众多新特性）。要查看所有更改的详尽列表，请参阅发布说明。
https://scikit-learn.org/stable/whats_new/v1.3.html#changes-1-3
使用pip安装最新版本：
pip
install
--upgrade scikit-learn
或者使用conda：
conda
install -c conda-forge scikit-learn
特性1：元数据路由
https://scikit-learn.org/stable/auto_examples/miscellaneous/plot_metadata_routing.html
新的元数据路由方式如sample_weight，该方式会影响到像pipeline.Pipeline和model_selection.GridSearchCV这样的元估计器如何路由元数据。
尽管此功能的基础设施已经包含在此版本中，但相关工作仍在进行中，并非所有的元估计器都支持此新功能。您可以在元数据路由用户指南中了解更多关于此功能的信息。
点击领取Python面试题手册
Python从入门到进阶知识手册
https://scikit-learn.org/stable/modules/generated/sklearn.cluster.HDBSCAN.html
HDBSCAN通过同时在多个epsilon值上执行修改版本的cluster.DBSCAN，cluster.HDBSCAN可以找到具有不同密度的聚类，使其比cluster.DBSCAN更具鲁棒性，对于参数选择更加稳健。
import
numpy
as
np
from
sklearn.cluster
import
HDBSCAN
from
sklearn.datasets
import
load_digits
from
sklearn.metrics
import
v_measure_score
X, true_labels = load_digits(return_X_y=
True
)
print(
f"数字的数量：
{len(np.unique(true_labels))}
"
)
hdbscan = HDBSCAN(min_cluster_size=
15
).fit(X)
非噪声标签 = hdbscan.labels_[hdbscan.labels_ !=
-1
]
print(
f"找到的聚类数：
{len(np.unique(非噪声标签))}
"
)
print(v_measure_score(true_labels[hdbscan.labels_ !=
-1
], 非噪声标签))
特性3：TargetEncoder
https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.TargetEncoder.html
preprocessing.TargetEncoder非常适用于具有高基数的分类特征。它根据属于该类别的观测的平均目标值的缩小估计来对类别进行编码。
import numpy as np
from sklearn.preprocessing import TargetEncoder
X = np.array([[
"cat"
] * 30 + [
"dog"
] * 20 + [
"snake"
] * 38], dtype=object).T
y = [90.3] * 30 + [20.4] * 20 + [21.2] * 38
enc = TargetEncoder(random_state=0)
X_trans = enc.fit_transform(X, y)
enc.encodings_
特性4：决策树支持缺失值
现在tree.DecisionTreeClassifier和tree.DecisionTreeRegressor类支持缺失值。对于非缺失数据的每个可能阈值，划分器将评估将所有缺失值分配给左节点或右节点的划分。
import numpy as np
from sklearn.tree import DecisionTreeClassifier
X = np.array([0, 1, 6, np.nan]).reshape(-1, 1)
y = [0, 0, 1, 1]
tree = DecisionTreeClassifier(random_state=0).fit(X, y)
tree.predict(X)
特性5：Validation Curve
https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.ValidationCurveDisplay.html
现在可以使用from_estimator来创建一个ValidationCurveDisplay实例来可视化验证曲线。
from
sklearn.datasets
import
make_classification
from
sklearn.linear_model
import
LogisticRegression
from
sklearn.model_selection
import
ValidationCurveDisplay
X, y = make_classification(
1000
,
10
, random_state=
0
)
_ = ValidationCurveDisplay.from_estimator(
LogisticRegression(),
X,
y,
param_name=
"C"
,
param_range=np.geomspace(
1e-5
,
1e3
, num=
9
),
score_type=
"both"
,
score_name=
"Accuracy"
,
)
特性6：Gamma loss
通过loss="gamma"参数，ensemble.HistGradientBoostingRegressor类支持使用Gamma偏差损失函数。该损失函数适用于具有右偏分布的严格正值目标建模。
import numpy as np
from sklearn.model_selection import cross_val_score
from sklearn.datasets import make_low_rank_matrix
from sklearn.ensemble import HistGradientBoostingRegressor
n_samples, n_features = 500, 10
rng = np.random.RandomState(0)
X = make_low_rank_matrix(n_samples, n_features, random_state=rng)
coef = rng.uniform(low=-10, high=20, size=n_features)
y = rng.gamma(shape=2, scale=np.exp(X @ coef) / 2)
gbdt = HistGradientBoostingRegressor(loss=
"gamma"
)
cross_val_score(gbdt, X, y).mean()
特性7：长尾类别聚合
preprocessing.OrdinalEncoder现在与preprocessing.OneHotEncoder类似，支持将不常见的类别聚合为每个特征的单个输出。启用聚合不常见类别的参数包括min_frequency和max_categories。
from
sklearn.preprocessing
import
OrdinalEncoder
import
numpy
as
np
X = np.array(
[[
"dog"
] *
5
+ [
"cat"
] *
20
+ [
"rabbit"
] *
10
+ [
"snake"
] *
3
], dtype=object
).T
enc = OrdinalEncoder(min_frequency=
6
).fit(X)
enc.infrequent_categories_
-
禁止乱用：一款牛批的开源去马赛克工具。。。
-
AI绘画-野性驯心：她与百兽共舞的非凡旅程
-
Django教程-MVT（模型视图模板）