Milk

Milk kääreet libsvm Python koodia.
Se tukee myös K-means klusterointi joiden toteutus, joka varoo käyttää liikaa muistia.

Ominaisuudet

• Satunnainen metsät
• Itsensä organisointi kartat
• SVMs. Käyttämällä libsvm ratkaisija pythonesque kääre ympärille.
• Stepwise Diskriminanttianalyysi ominaisuuden valinta.
• Ei-negatiivinen matriisi tekijöihin
• K-keinoin käyttäen niin vähän muistia kuin mahdollista.
• Affinity eteneminen

Mikä on uusi tässä julkaisussa:

• lisätyt aliavaruudessa projektio KNN.
• Vie pdist maitoon nimiavaruudessa.
• lisätty Eigen lähde jakeluun.
• Lisätty measures.curves.roc.
• Lisätty mds_dists toimintoa.

Mikä on uusi versiossa 0.5:

• Add koordinaatti-syntyperää pohjainen LASSO
• Lisää unsupervised.center toiminto
• Tee zscore työtä NaN: iä (vaikenemalla niistä)
• Etenevät apply_many puheluita muuntajat

Mikä on uusi versiossa 0.4.1:

• Fixed merkittävä bugi gridsearch.

Mikä on uusi versiossa 0.4.0:

• Käytä multiprocessing hyödyntää monen ytimen koneita ( oletusarvoisesti pois käytöstä).
• Lisää perceptron oppija
• Aseta satunnainen siemen satunnaisessa metsässä oppija
• Lisää varoitus maito / __ init__.py jos tuonti ei
• Lisää paluu arvo gridminimise
• Aseta satunnainen siemen precluster_learner
• Toteutetaan virheenkorjausalgoritmin Lähtö koodit vähentämiseksi multi-luokan binary (mukaan lukien todennäköisyys arvio)
• Lisää multi_strategy argumentti defaultlearner ()
• Tee piste ydintä svm paljon, paljon, nopeampi
• Tee sigmoidal istuva SVM todennäköisyyden arvioi nopeammin
• Korjaa vika randomforest (patch Wei maitoa-users -postituslistalla)

Mikä on uusi versiossa 0.3.10:

• Lisää ext.jugparallel integrointi kannu
• Parallel nfold ristivahvistus käyttäen kannu
• Parallel useita kmeans toimii käyttäen kannu
• cluster_agreement ei-ndarrays
• Lisää histogrammi & normali (z | t) e vaihtoehtoja milk.kmeans.assign_centroid
• Korjaa bugi sda kun toiminnot olivat vakiona luokan
• Lisää select_best_kmeans
• Lisätty defaultlearner kuin paremman nimen kuin defaultclassifier
• Lisää measures.curves.precision_recall
• Lisää unsupervised.parzen.parzen

Mikä on uusi versiossa 0.3.8:

• Kiinteät kokoelma Windows.

Mikä on uusi versiossa 0.3.7:

• Logistinen regressio.
• Source demot sisältyvät (lähde- ja dokumentointi).
• Lisää klusterin sopimuksen mittareita.
• Korjaa nfoldcrossvalidation vika käytettäessä alkuperää.

Mikä on uusi versiossa 0.3.5:

• Bugikorjaus 64 bittiä.

Mikä on uusi versiossa 0.3.4:

• Random metsää oppijoita.
• päätös puita vauhdittaa 20x.
• Huomattavasti nopeampi gridsearch (löytää optimaalinen laskematta kaikki kippaa).