Scikit-learn, Python'da makine öğreniminin vazgeçilmez açık kaynak kütüphanesi, 5 Haziran'da yayımlanan 1.7 sürümü ile gelişmeye devam ediyor. Bu güncelleme, ergonomiyi, diğer araçlarla uyumluluğu ve makine öğrenimi iş akışlarının verimliliğini güçlendiriyor.
İyileştirmeler ve Yeni Özellikler
Geliştirilmiş HTML Tahminci Görselleştirmesi
Jupyter'deki HTML gösterimi artık varsayılan değerlere farklı olan parametreleri vurgulayarak tam parametre listesini gösteriyor. Bir buton, tam nitelikli adların kopyalanmasını kolaylaştırarak iç içe geçmiş boru hatlarının yapılandırılmasını ve hiperparametre aramasını hızlandırıyor.
Histogram Tabanlı Gradient Boosting için Özelleştirilmiş Doğrulama
HistGradientBoosting modelleri artık
.fit() yöntemi aracılığıyla açık bir doğrulama seti (X_val, y_val, sample_weight_val) alabilir, böylece erken durdurmayı daha iyi kalibre eder. Bu yetenek, aşırı öğrenme yönetimini iyileştirir, ancak hala nadiren kullanılan bir sistem olan metadonanım yönlendirme sistemi (enable_metadata_routing=True ) üzerine kuruludur.Çapraz Doğrulama Sonuçlarından Yerel ROC Görselleştirmesi
RocCurveDisplay için yeni from_cv_results() yöntemi, çapraz doğrulama sonuçlarından (cross_validate) otomatik olarak birden fazla ROC eğrisi oluşturmaya olanak tanır. Bu özellik, modellerin karşılaştırmalı analizini basitleştirir ve makine öğrenimi iş akışlarına doğrudan görsel tanı ekler, üçüncü parti araçlar gerektirmez.Array API ile Genişletilmiş Uyumluluk
Birkaç metrik (örn.
fbeta_score, explained_variance_score) artık PyTorch veya CuPy'den gelenler dahil Array API uyumlu veri yapıları kabul eder. array-api-compat modülü doğal olarak entegre edilmiştir.Çok Katmanlı Perceptron Güncellemeleri
Çok katmanlı perceptron artık varsayılan kare hata kaybına ek olarak Poisson kaybını da içeriyor. Ayrıca örnek ağırlıklarını da destekleyerek çeşitli uygulamalar için esnekliğini artırıyor.
Seyrek Tablo Geçişi
Girdi olarak klasik seyrek matrisleri (
scipy.sparse) kabul eden tüm tahminciler artık yeni seyrek tabloları (sparray) kabul ediyor ve SciPy'nin devam eden geçişine hazırlanıyor.Kurulum
Yeni sürüm pip ile kurulabilir: pip install --upgrade scikit-learn
ya da conda ile: conda install -c conda-forge scikit-learn