备注

Go to the end 下载完整的示例代码。或者通过浏览器中的MysterLite或Binder运行此示例

scikit-learn 1.6的发布亮点#

我们很高兴宣布scikit-learn 1.6的发布！添加了许多错误修复和改进，以及一些关键的新功能。下面我们详细介绍了该版本的亮点。 For an exhaustive list of all the changes ，请参阅 release notes .

安装最新版本（使用pip）：

pip install --upgrade scikit-learn

或带有conda：：

conda install -c conda-forge scikit-learn

FrozenEstimator：冻结估算者#

此元估计器允许您采用估计器并冻结其匹配方法，这意味着调用 fit 不执行任何操作;此外， fit_predict 和 fit_transform 呼叫 predict 和 transform 分别不打电话 fit .原始估计器的其他方法和属性保持不变。一个有趣的用例是使用预拟合模型作为管道中的Transformer步骤，或者将预拟合模型传递给一些元估计器。这是一个简短的例子：

import time

from sklearn.datasets import make_classification
from sklearn.frozen import FrozenEstimator
from sklearn.linear_model import SGDClassifier
from sklearn.model_selection import FixedThresholdClassifier

X, y = make_classification(n_samples=1000, random_state=0)

start = time.time()
classifier = SGDClassifier().fit(X, y)
print(f"Fitting the classifier took {(time.time() - start) * 1_000:.2f} milliseconds")

start = time.time()
threshold_classifier = FixedThresholdClassifier(
    estimator=FrozenEstimator(classifier), threshold=0.9
).fit(X, y)
print(
    f"Fitting the threshold classifier took {(time.time() - start) * 1_000:.2f} "
    "milliseconds"
)

Fitting the classifier took 2.23 milliseconds
Fitting the threshold classifier took 0.44 milliseconds

匹配阈值分类器跳过了匹配内部分类器 SGDClassifier .有关更多详细信息，请参阅示例例子利用 FrozenEstimator .

转换管道中X以外的数据#

的 Pipeline 现在支持转换传递的数据 X 必要时这可以通过设置新的 transform_input 参数.当通过管道传递验证集时，这特别有用。

作为一个例子，想象一下 EstimatorWithValidationSet 是接受验证集的估计器。我们现在可以有一个管道，它将转换验证集并将其传递给估计器：：

with sklearn.config_context(enable_metadata_routing=True):
    est_gs = GridSearchCV(
        Pipeline(
            (
                StandardScaler(),
                EstimatorWithValidationSet(...).set_fit_request(X_val=True, y_val=True),
            ),
            # telling pipeline to transform these inputs up to the step which is
            # requesting them.
            transform_input=["X_val"],
        ),
        param_grid={"estimatorwithvalidationset__param_to_optimize": list(range(5))},
        cv=5,
    ).fit(X, y, X_val=X_val, y_val=y_val)

在上面的代码中，关键部分是调用 set_fit_request 以指定 X_val 和 y_val 所要求 EstimatorWithValidationSet.fit 方法和 transform_input 参数来告诉管道进行转换 X_val 然后将其传递给 EstimatorWithValidationSet.fit .

请注意，目前scikit-learn估计器尚未扩展为接受用户指定的验证集。该功能提前发布，以收集可能从中受益的第三方图书馆的反馈。

多类支持 `LogisticRegression(solver="newton-cholesky")`#

的 "newton-cholesky" 求解器（最初在scikit-learn版本1.2中引入）以前仅限于二进制 LogisticRegression 以及一些其他广义线性回归估计量（即 PoissonRegressor , GammaRegressor 和 TweedieRegressor ).

此新版本包括对多类（多项）的支持 LogisticRegression .

当特征数量从小到中等时，此求解器特别有用。经验证明，在一些具有单一热编码分类特征的中等大小数据集上，它比其他求解器更可靠、更快地收敛，正如在 benchmark results of the pull-request .

Extra Trees缺少值支持#

的类 ensemble.ExtraTreesClassifier 和 ensemble.ExtraTreesRegressor 现在支持缺失的值。更多详情请参阅 User Guide .

import numpy as np

from sklearn.ensemble import ExtraTreesClassifier

X = np.array([0, 1, 6, np.nan]).reshape(-1, 1)
y = [0, 0, 1, 1]

forest = ExtraTreesClassifier(random_state=0).fit(X, y)
forest.predict(X)

array([0, 0, 1, 1])

从网络下载任何数据集#

功能 datasets.fetch_file 允许从任何给定的URL下载文件。这个方便的功能提供了内置的本地磁盘缓存，sha256摘要完整性检查和网络错误的自动重试机制。

目标是提供与数据集获取器相同的便利性和可靠性，同时提供处理来自任意在线源和文件格式的数据的灵活性。

下载的文件然后可以加载通用或特定领域的功能，例如 pandas.read_csv , pandas.read_parquet 等。

阵列API支持#

自1.5版本以来，更多的估计器和函数已更新，以支持数组API兼容的输入，特别是来自 sklearn.model_selection 模块和来自 sklearn.metrics module.

请参阅 array API support 页面，了解将scikit-learn与数组API兼容库（例如PyTorch或CuPy）一起使用的说明。

几乎完整的元数据路由支持#

除AdaBoost之外的所有剩余估计器和功能都添加了对路由元数据的支持。看到 Metadata Routing User Guide 了解更多详细信息。

自由线程CPython 3.13支持#

scikit-learn对自由线程CPython提供了初步支持，特别是自由线程轮可用于我们所有支持的平台。

自由线程（也称为nogil）CPython 3.13是CPython 3.13的实验版本，旨在通过删除全局解释器锁（GIL）来实现高效的多线程用例。

有关自由线程CPython的更多详细信息，请参阅 py-free-threading doc ，特别是 how to install a free-threaded CPython 和 Ecosystem compatibility tracking .

请随时在您的用例上尝试自由线程的CPython并报告任何问题！

改进第三方库的开发人员API#

我们一直在努力改进第三方库的开发人员API。这项工作仍在进行中，但在此版本中已经完成了相当多的工作。此版本包括：

sklearn.utils.validation.validate_data 引入并取代之前的私人 BaseEstimator._validate_data 法该功能扩展 check_array 并添加了对记住输入功能计数和名称的支持。
Estimator tags are now revamped and a part of the public API via sklearn.utils.Tags. Estimators should now override the BaseEstimator.__sklearn_tags__ method instead of implementing a _more_tags method. If you'd like to support multiple scikit-learn versions, you can implement both methods in your class.
由于开发了一个公共标签API，我们删除了 _xfail_checks 预计失败的标签和测试将直接传递给 check_estimator 和 parametrize_with_checks .有关更多详细信息，请参阅相应的API文档。
通用测试套件中的许多测试都会更新并引发更有用的错误消息。我们还添加了一些新的测试，这应该可以帮助您更轻松地修复估计器的潜在问题。

我们的更新版本开发scikit-learn估计器也可用，我们建议您查看。

Total running time of the script: （0分0.068秒）