版本 1.7.X

版本 1.7.0

部署日期：2024年3月24日

贡献者

• dlaprins 是一个GitHub项目。

• Gleb Levitski

• Chris Samiullah

• Morgan Sell

• Darigov Research

• Soledad Galli

在这个新版本中有一些重要的更新。首先，我们引入了一个新的 Pipeline，它支持在数据转换过程中从数据集中移除行的转换器。从现在开始，你可以使用 DropMissingData、OutlierTrimmer、LagFeatures 和 WindowFeatures 作为特征工程管道的一部分，这些管道将转换你的变量，必要时重新调整目标与剩余行的对齐，然后拟合模型。一切都在一次操作中完成！

此外，像 DropMissingData、OutlierTrimmer、LagFeatures 和 WindowFeatures 这样从数据集中移除行的转换器，现在可以通过新方法 transform_x_y 将目标值调整为剩余的行。

第三个重大改进在于我们相关性转换器的大幅速度优化，现在它们以双倍的速度找到并移除相关特征，同时，还能让你轻松识别出用于确定相关特征的特征。

除此之外，我们做了大量工作以跟上 Scikit-learn 和 pandas 的最新发展，以确保我们的转换器保持兼容性。话虽如此，我们是一个小团队，维护对我们来说很困难，因此我们已停止支持这些库的早期版本。

继续阅读以了解更多我们一直在做的事情！

新功能

• 我们现在有一个 Pipeline() 和 make_pipeline，它们支持从数据集中移除行的转换器（Soledad Galli）

• DropMissingData, OutlierTrimmer, LagFeatures, ExpandingWindowFeatures 和 WindowFeatures 有一个方法 transform_x_y 用于从数据中删除行，然后调整目标变量 (Soledad Galli)

增强功能

• DropCorrelatedFeatures() 和 SmartCorrelationSelection 有一个新属性，用于指示从每个相关组中保留哪个特征（Soledad Galli，dlaprins）

• DropCorrelatedFeatures() 和 SmartCorrelationSelection 的速度是原来的两倍，并且可以在搜索之前根据方差、基数或字母顺序对变量进行排序（Soledad Galli，dlaprins）

• LagFeatures 现在可以填补引入的 nan 值 (Soledad Galli)

Bug 修复

• DropCorrelatedFeatures() 和 SmartCorrelationSelection 现在是确定性的 (Soledad Galli, Gleb Levitski, dlaprins)

除了这些错误修复外，我们还修复了其他与pandas、scikit-learn新版本和弃用相关的错误。

代码改进

• 改进了在所有特征选择转换器中选择要检查的变量的逻辑 (Soledad Galli)

• 为 Python 3.11 和 3.12 添加 circleCI 测试 (Soledad Galli, Chris Samiullah)

文档

• 改进 DropCorrelatedFeatures() 和 SmartCorrelationSelection 的用户指南 (Soledad Galli)

• 改进 DropMissingData() 的用户指南 (Soledad Galli)

• 改进 OutlierTrimmer() 的用户指南 (Soledad Galli)

• 改进 LagFeatures、ExpandingWindowFeatures 和 WindowFeatures 的用户指南（Soledad Galli）

• 为 Pipeline 添加用户指南 (Soledad Galli)

• 改进功能创建用户指南索引 (Soledad Galli 和 Morgan Sell)

• 在Readme中制作一键复制代码 (Darigov Research)

弃用

• 我们移除了对 Python 3.8 的支持 (Soledad Galli)

• 我们将 pandas 和 Scikit-learn 的依赖更新到最新版本 (Soledad Galli)