Scikit-learn, biblioteca open source esențială pentru ML în Python, continuă să evolueze cu versiunea 1.7 lansată pe 5 iunie. Această actualizare îmbunătățește ergonomia, compatibilitatea cu alte instrumente și eficiența fluxurilor de lucru de învățare automată.
Îmbunătățiri și funcționalități noi
Vizualizare HTML îmbunătățită a estimărilor
Reprezentarea HTML în Jupyter afișează acum lista completă a parametrilor, cu evidențierea celor care diferă de valorile implicite. Un buton facilitează copierea numelor complet calificate, accelerând configurarea conductelor înglobate și căutarea hiperparametrilor.
Validare personalizată pentru Gradient Boosting bazat pe histogramă
Modelele HistGradientBoosting pot primi acum un set de validare explicit (
X_val, y_val, sample_weight_val) prin metoda .fit() pentru a calibra mai bine oprirea anticipată. Această capacitate rafinează gestionarea supraînvățării, dar se bazează pe sistemul de rutare a metadatelor (enable_metadata_routing=True ), încă puțin utilizat.Vizualizare ROC nativă din rezultate încrucișate
Noua metodă
from_cv_results() pentru RocCurveDisplay permite generarea automată a mai multor curbe ROC din rezultatele validării încrucișate (cross_validate). Această funcționalitate simplifică analiza comparativă a modelelor și integrează direct diagnosticul vizual în fluxurile de lucru de machine learning, fără a necesita instrumente terțe.Compatibilitate extinsă cu API-ul Array
Mai multe metrici (de ex.,
fbeta_score, explained_variance_score) acceptă acum structuri de date compatibile cu API-ul Array (notabil provenite din PyTorch sau CuPy). Modulul array-api-compat este integrat nativ.Actualizări ale Perceptronului multistrat
Perceptronul multistrat integrează acum pierderea Poisson, pe lângă pierderea squared_error implicită. De asemenea, suportă greutățile de eșantionare, îmbunătățindu-și flexibilitatea pentru diverse aplicații.
Migrarea către tabele sparse
Toți estimatorii care acceptă matrice sparse clasice (
scipy.sparse) acceptă acum noile tabele sparse (sparray), pregătind tranziția în curs a SciPy.Instalare
Noua versiune poate fi instalată prin pip: pip install --upgrade scikit-learn
sau cu conda : conda install -c conda-forge scikit-learn