Scikit-learn، مكتبة مفتوحة المصدر لا غنى عنها في ML بلغة Python، تستمر في التطور مع الإصدار 1.7 الذي صدر في 5 يونيو الماضي. يعزز هذا التحديث سهولة الاستخدام، والتوافق مع الأدوات الأخرى، وكفاءة سير عمل التعلم الآلي.
التحسينات والميزات الجديدة
تحسين عرض HTML للمقدّرين
يعرض التمثيل HTML في Jupyter الآن قائمة كاملة بالمعلمات مع تسليط الضوء على تلك التي تختلف عن القيم الافتراضية. يسهّل زر النسخ أسماء المؤهلات الكاملة، مما يسرّع تكوين الأنابيب المتداخلة والبحث عن فرط المعلمات.
تحقق مخصص لتعزيز التدرج القائم على المدرج التكراري
يمكن لنماذج HistGradientBoosting الآن استلام مجموعة تحقق صريحة (
X_val, y_val, sample_weight_val) عبر طريقة .fit() لتحسين معايرة التوقف المبكر. تعتمد هذه القدرة على نظام توجيه البيانات الوصفية (enable_metadata_routing=True )، الذي لا يزال قليل الاستخدام.عرض ROC الأصلي من نتائج التحقق المتبادل
تسمح الطريقة الجديدة
from_cv_results() لـ RocCurveDisplay بتوليد تلقائي للعديد من منحنيات ROC من نتائج التحقق المتبادل (cross_validate). تبسط هذه الميزة التحليل المقارن للنماذج وتدمج التشخيص المرئي مباشرة في سير عمل التعلم الآلي دون الحاجة إلى أدوات طرف ثالث.توافق موسع مع API للصفيفات
تقبل العديد من المقاييس (مثل،
fbeta_score, explained_variance_score) الآن هياكل البيانات المتوافقة مع Array API (خاصةً من PyTorch أو CuPy). تم دمج وحدة array-api-compat بشكل أصلي.تحديثات على Multilayer Perceptron
يدمج Multilayer Perceptron الآن خسارة Poisson، بالإضافة إلى الخسارة الافتراضية squared_error. كما يدعم أوزان العينة، مما يحسن مرونته لتطبيقات متنوعة.
الانتقال إلى الصفيفات المتناثرة
جميع المقدّرين الذين يقبلون الإدخال من المصفوفات المتناثرة التقليدية (
scipy.sparse) يقبلون الآن الصفيفات المتناثرة الجديدة (sparray)، مما يعد للانتقال الجاري لـ SciPy.التثبيت
يمكن تثبيت الإصدار الجديد عبر pip: pip install --upgrade scikit-learn
أو باستخدام conda : conda install -c conda-forge scikit-learn