旧版本

版本 0.12.1

2012年10月8日

0.12.1 版本是一个修复错误的版本，没有增加新功能，而是修复了一系列错误。

更新日志

• 通过 Gael Varoquaux 提高了谱嵌入的数值稳定性

• 通过 Gael Varoquaux 在64位Windows系统下进行文档测试

• 通过 Andreas Müller 和 Alexandre Gramfort 修复了弹性网络的文档问题

• 通过 Gael Varoquaux 修正了与Fortran顺序的NumPy数组的正确行为

• 通过 Lars Buitinck 使GridSearchCV能够处理非CSR稀疏矩阵

• 通过 Gael Varoquaux 修复了MDS中的并行计算问题

• 通过 Andreas Müller 修复了计数向量化器中的Unicode支持问题

• 通过 Virgile Fritsch 修复了MinCovDet在X.shape = (3, 1)时崩溃的问题

• 通过 Peter Prettenhofer 修复了SGD对象的克隆问题

• 通过 Virgile Fritsch 稳定了GMM

贡献者

• 14 Peter Prettenhofer

• 12 Gael Varoquaux

• 10 Andreas Müller

• 5 Lars Buitinck

• 3 Virgile Fritsch

• 1 Alexandre Gramfort

• 1 Gilles Louppe

• 1 Mathieu Blondel

版本 0.12

2012年9月4日

更新日志

• 通过 Gilles Louppe 对 决策树 模块进行了各种速度改进。

• GradientBoostingRegressor 和 GradientBoostingClassifier 现在通过 Peter Prettenhofer 支持特征子采样，通过 max_features 参数实现。

• 通过 Peter Prettenhofer 为 GradientBoostingRegressor 添加了Huber和Quantile损失函数。

• 决策树 和 随机森林 现在通过 Gilles Louppe 支持多输出分类和回归问题。

• 添加了 LabelEncoder ，一个简单的实用类，用于 通过 Mathieu Blondel 实现了标签的规范化或非数值标签的转换。

• 在 随机梯度下降 中增加了 epsilon-insensitive 损失函数，并能够通过修改后的 huber 损失进行概率预测，由 Mathieu Blondel 实现。

• 增加了 多维尺度分析 (MDS) ，由 Nelle Varoquaux 实现。

• SVMlight 文件格式加载器现在可以检测压缩（gzip/bzip2）文件并在加载时解压缩，由 Lars Buitinck 实现。

• SVMlight 文件格式序列化器现在保留双精度浮点数值，由 Olivier Grisel 实现。

• 为所有估计器添加了一个通用的测试框架，由 Andreas Müller 实现。

• 对于不接受稀疏输入的估计器，增加了可理解的错误信息，由 Gael Varoquaux 实现。

• 在层次聚类中实现了加速，特别是构建树现在支持早期停止。这在聚类数量相对于样本数量不小的情况下很有用，由 Gael Varoquaux 实现。

• 增加了 MultiTaskLasso 和 MultiTaskElasticNet 用于联合特征选择，由 Alexandre Gramfort 实现。

• 增加了 metrics.auc_score 和 metrics.average_precision_score 便捷函数，由 Andreas Müller 实现。

• 在 特征选择 模块中改进了对稀疏矩阵的支持，由 Andreas Müller 实现。

• 为 文本特征提取 模块增加了新的边界感知字符 n-gram 分析器，由 @kernc 实现。

• 修复了谱聚类中的一个错误，该错误导致单点聚类，由 Andreas Müller 实现。

• 在 CountVectorizer 中增加了忽略不频繁单词的选项 min_df ，由 Andreas Müller 实现。

• 在一些线性模型（ElasticNet、Lasso 和 OrthogonalMatchingPursuit）中增加了对多个目标的支持，由 Vlad Niculae 和 Alexandre Gramfort 实现。

• 在 decomposition.ProbabilisticPCA 的评分函数中进行了修复，由 Wei Li 实现。

• 修复了 梯度提升树 中的特征重要性计算。

API 变更总结

• 旧的 scikits.learn 包已经消失；所有代码应改为从 sklearn 导入，后者在 0.9 版本中引入。

• 在 metrics.roc_curve 中， thresholds 数组现在以相反的顺序返回，以保持与返回的 fpr 和 tpr 的顺序一致。

• 在 hmm 对象中，如 hmm.GaussianHMM 、 hmm.MultinomialHMM 等，所有参数必须在初始化对象时传递，而不是通过 fit 。现在 fit 只接受数据作为输入参数。

• 对于所有 SVM 类， gamma 的错误行为已修复。以前，默认的 gamma 值只在第一次调用 fit 时计算并存储。现在每次调用 fit 时都会重新计算。

• 所有 Base 类现在都是抽象元类，因此不能被实例化。

• cluster.ward_tree 现在还返回父数组。这对于早期停止是必要的，因为在这种情况下树没有完全构建。

• 在 CountVectorizer 中，参数 min_n 和 max_n 合并到参数 n_gram_range 中，以同时启用网格搜索。

• 在 CountVectorizer 中，默认情况下忽略仅在一个文档中出现的单词。要重现之前的行为，请设置 min_df=1 。

• 修复了 API 不一致性：linear_model.SGDClassifier.predict_proba 现在在两个类别上拟合时返回二维数组。

• 修复了 API 不一致性：discriminant_analysis.QuadraticDiscriminantAnalysis.decision_function 和 discriminant_analysis.LinearDiscriminantAnalysis.decision_function 现在在两个类别上拟合时返回一维数组。

• 用于拟合 LassoCV 和 ElasticNetCV 的 alpha 网格现在存储在属性 alphas_ 中，而不是覆盖初始化参数 alphas 。

• 当通过交叉验证估计alpha值时，线性模型将估计值存储在 alpha_ 属性中，而不是仅仅存储 alpha 或 best_alpha 。

• GradientBoostingClassifier 现在支持:meth:~ensemble.GradientBoostingClassifier.staged_predict_proba 和:meth:~ensemble.GradientBoostingClassifier.staged_predict 。

• svm.sparse.SVC 和其他稀疏SVM类现已弃用。支持向量机 模块中的所有类现在会根据输入自动选择稀疏或密集表示。

• 所有聚类算法现在将传递给 fit 的数组 X 解释为输入数据，特别是:class:~cluster.SpectralClustering 和:class:~cluster.AffinityPropagation ，它们之前期望亲和矩阵。

• 对于将所需聚类数量作为参数的聚类算法，此参数现在称为 n_clusters 。

贡献者

• 267 Andreas Müller

• 94 Gilles Louppe

• 89 Gael Varoquaux

• 79 Peter Prettenhofer

• 60 Mathieu Blondel

• 57 Alexandre Gramfort

• 52 Vlad Niculae

• 45 Lars Buitinck

• 44 Nelle Varoquaux

• 37 Jaques Grobler

• 30 Alexis Mignon

• 30 Immanuel Bayer

• 27 Olivier Grisel

• 16 Subhodeep Moitra

• 13 Yannick Schwartz

• 12 @kernc

• 11 Virgile Fritsch

• 9 Daniel Duckworth

• 9 Fabian Pedregosa

• 9 Robert Layton

• 8 John Benediktsson

• 7 Marko Burjek

• 5 Nicolas Pinto

• 4 Alexandre Abraham

• 4 Jake Vanderplas

• 3 Brian Holt

• 3 Edouard Duchesnay

• 3 Florian Hoenig

• 3 flyingimmidev

• 2 Francois Savard

• 2 Hannes Schulz

• 2 Peter Welinder

• 2 Yaroslav Halchenko

• 2 Wei Li

• 1 Alex Companioni

• 1 Brandyn A. White

• 1 Bussonnier Matthias

• 1 Charles-Pierre Astolfi

• 1 Dan O’Huiginn

• 1 David Cournapeau

• 1 Keith Goodman

• 1 Ludwig Schwardt

• 1 Olivier Hervieu

• 1 塞尔吉奥·梅迪纳

• 1 杜诗乔

• 1 蒂姆·谢尔曼-蔡斯

• 1 布古恩

版本 0.11

2012年5月7日

更新日志

亮点

• 梯度提升回归树（ 梯度提升树） 用于分类和回归，由 Peter Prettenhofer 和 Scott White 开发。

• 简单的基于字典的特征加载器，支持分类变量 （ DictVectorizer），由 Lars Buitinck 开发。

• 添加了马修斯相关系数（ metrics.matthews_corrcoef ） 并在 precision_score、metrics.recall_score 和 f1_score 中添加了宏平均和微平均选项，由 Satrajit Ghosh 开发。

• 包外估计 泛化误差估计用于 集成方法：梯度提升、随机森林、装袋、投票、堆叠 ， 由 Andreas Müller 开发。

• 用于特征选择的随机稀疏线性模型， 由 Alexandre Gramfort 和 Gael Varoquaux 开发。

• 标签传播 用于半监督学习，由 Clay Woolam 开发。 注意 半监督 API 仍在开发中，可能会发生变化。

• 添加了 BIC/AIC 模型选择到经典的 高斯混合模型 并统一了 API 与 scikit-learn 的其余部分， 由 Bertrand Thirion 开发。

• 添加了 sklearn.cross_validation.StratifiedShuffleSplit ， 这是一个带有平衡分割的 sklearn.cross_validation.ShuffleSplit ， 由 Yannick Schwartz 开发。

• 添加了 NearestCentroid 分类器， 以及一个 shrink_threshold 参数，实现了 收缩质心分类 ， 由 Robert Layton 开发。

其他变化

• 合并了 随机梯度下降 模块的密集和稀疏实现， 并公开了用于顺序数据集 seq_dataset 和权重向量 weight_vector 的实用扩展类型， 由 Peter Prettenhofer 开发。

• 在 随机梯度下降 模块中添加了 ``partial_fit``（支持在线/小批量学习）和 warm_start，由 Mathieu Blondel 开发。

• 合并了 支持向量机 类和 LogisticRegression 的密集和稀疏实现， 由 Lars Buitinck 开发。

• 回归器现在可以用作 多类和多输出算法 模块中的基础估计器， 由 Mathieu Blondel 开发。

• 为 metrics.pairwise_distances 和 metrics.pairwise.pairwise_kernels 添加了 n_jobs 选项，以进行并行计算，由 Mathieu Blondel 实现。

• K均值 现在可以使用 n_jobs 参数进行并行运行，无论是通过 K均值 还是 cluster.KMeans ，由 Robert Layton 实现。

• 改进了 交叉验证：评估估计器性能 和 调整估计器的超参数 文档，并引入了新的 cross_validation.train_test_split 辅助函数，由 Olivier Grisel 实现。

• SVC 成员 coef_ 和 intercept_ 为了与 decision_function 一致而改变了符号；对于 kernel==linear ， coef_ 在一对一情况下得到了修正，由 Andreas Müller 实现。

• 对高效的留一法交叉验证岭回归进行了性能改进，特别是在 n_samples > n_features 情况下，在 RidgeCV 中，由 Reuben Fletcher-Costin 实现。

• 重构和简化了 文本特征提取 API，并修复了一个可能导致负IDF的错误，由 Olivier Grisel 实现。

• _BaseHMM 模块中的波束修剪选项已被移除，因为它难以进行Cython化。如果你对贡献Cython版本感兴趣，可以使用git历史中的python版本作为参考。

• 最近邻算法 中的类现在支持最近邻搜索的任意Minkowski度量。度量可以通过参数 p 指定。

API变更总结

• covariance.EllipticEnvelop 现已弃用。请改用 EllipticEnvelope 。

• NeighborsClassifier 和 NeighborsRegressor 在 最近邻算法 模块中已不存在。请使用类 KNeighborsClassifier 、RadiusNeighborsClassifier 、KNeighborsRegressor 。 and/or RadiusNeighborsRegressor 代替。

• 随机梯度下降 模块中的稀疏类现在已弃用。

• 在 mixture.GMM 、 mixture.DPGMM 和 mixture.VBGMM 中，参数必须在初始化对象时传递，而不是通过 fit 。现在 fit 只接受数据作为输入参数。

• GMM 模块中的方法 rvs 和 decode 现在已弃用。应使用 sample 和 score 或 predict 代替。

• 单变量特征选择对象中的属性 _scores 和 _pvalues 现在已弃用。应使用 scores_ 或 pvalues_ 代替。

• 在 LogisticRegression 、LinearSVC 、SVC 和 NuSVC 中， class_weight 参数现在是初始化参数，而不是拟合参数。这使得对该参数进行网格搜索成为可能。

• LFW data 现在总是形状 (n_samples, n_features) ，以与 Olivetti 人脸数据集保持一致。使用 images 和 pairs 属性来访问自然图像形状。

• 在 LinearSVC 中， multi_class 参数的含义已更改。选项现在是 'ovr' 和 'crammer_singer' ，默认值为 'ovr' 。这不会改变默认行为，但希望不会那么令人困惑。

• 类 feature_selection.text.Vectorizer 已弃用，并被 feature_selection.text.TfidfVectorizer 取代。

• 文本特征提取的预处理器/分析器嵌套结构已被移除。所有这些功能现在都直接作为平坦构造函数参数传递给 feature_selection.text.TfidfVectorizer 和 feature_selection.text.CountVectorizer ，特别是以下参数现在被使用：

• analyzer 可以是 'word' 或 'char' 以切换默认分析方案，或使用特定的 Python 可调用对象（如之前一样）。

• tokenizer 和 preprocessor 已被引入，以使在新 API 下仍然可以自定义这些步骤。

• input 明确控制如何解释传递给 fit 和 predict 的序列：文件名、文件对象或直接（字节或 Unicode）字符串。

• 字符集解码默认是显式且严格的。

• 无论是否拟合， vocabulary 现在都存储在 vocabulary_ 属性中，以与项目约定保持一致。

• 类 feature_selection.text.TfidfVectorizer 现在直接继承自 feature_selection.text.CountVectorizer ，以使网格搜索变得简单。

• _BaseHMM 模块中的方法 rvs 现已弃用。应改用 sample 。

• _BaseHMM 模块中的波束修剪选项已被移除，因为它难以被 Cython 化。如果你感兴趣，可以通过 git 查看历史代码。

• SVMlight 格式加载器现在支持同时包含零基和一基列索引的文件，因为这两种情况在实际应用中都会出现。

• 类 ShuffleSplit 的参数现在与 StratifiedShuffleSplit 一致。参数 test_fraction 和 train_fraction 已弃用并重命名为 test_size 和 train_size ，并且可以接受 float 和 int 。

• 类 Bootstrap 的参数现在与 StratifiedShuffleSplit 一致。参数 n_test 和 n_train 已弃用并重命名为 test_size 和 train_size ，并且可以接受 float 和 int 。

• 在 最近邻算法 中的类添加了参数 p ，以指定最近邻搜索的任意 Minkowski 度量。

人员

• 282 Andreas Müller

• 239 Peter Prettenhofer

• 198 Gael Varoquaux

• 129 Olivier Grisel

• 114 Mathieu Blondel

• 103 Clay Woolam

• 96 Lars Buitinck

• 88 Jaques Grobler

• 82 Alexandre Gramfort

• 50 Bertrand Thirion

• 50 Bertrand Thirion

• 42 Robert Layton

• 28 flyingimmidev

• 26 Jake Vanderplas

• 26 Shiqiao Du

• 21 Satrajit Ghosh

• 17 David Marek

• 17 Gilles Louppe

• 14 Vlad Niculae

• 11 Yannick Schwartz

• 10 Fabian Pedregosa

• 9 fcostin

• 7 Nick Wilson

• 5 Adrien Gaidon

• 5 Nicolas Pinto

• 4 David Warde-Farley

• 5 Nelle Varoquaux

• 5 Emmanuelle Gouillart

• 3 Joonas Sillanpää

• 3 Paolo Losi

• 2 Charles McCarthy

• 2 Roy Hyunjin Han

• 2 Scott White

• 2 ibayer

• 1 Brandyn White

• 1 Carlos Scheidegger

• 1 Claire Revillet

• 1 Conrad Lee

• 1 Edouard Duchesnay

• 1 Jan Hendrik Metzen

• 1 Meng Xinfan

• 1 Rob Zinkov

• 1 Shiqiao

• 1 Udi Weinsberg

• 1 Virgile Fritsch

• 1 Xinfan Meng

• 1 Yaroslav Halchenko

• 1 jansoe

• 1 Leon Palafox

版本 0.10

2012年1月11日

更新日志

• 不再支持 Python 2.5 兼容性；使用 scikit-learn 所需的最低 Python 版本现在是 2.6。

• 使用图拉索算法进行 稀疏逆协方差 估计，并附带交叉验证估计器，由 `盖尔·瓦罗夸`_ 提供

• 由 `布莱恩·霍尔特`_ 、 `彼得·普伦滕霍费尔`_ 、 `萨特拉吉特·戈什`_ 和 `吉尔斯·卢普`_ 提供的新 树 模块。该模块附带完整的文档和示例。

• 由 `吉尔斯·卢普`_ 修复了 RFE 模块中的一个错误（问题 #378）。

• 由 `布莱恩·霍尔特`_ 修复了 支持向量机 模块中的内存泄漏问题（问题 #367）。

• 由 `法比安·佩德罗索`_ 等人加快了测试速度。

• 由罗伯特·莱顿添加的轮廓系数聚类分析评估指标作为 silhouette_score 。

• 修复了 K均值 中处理 n_init 参数的错误：聚类算法过去运行 n_init 次，但保留了最后一次解决方案而不是最佳解决方案，由 `奥利维尔·格里塞尔`_ 修复。

• 随机梯度下降 模块中的小重构；整合了密集和稀疏 预测方法；通过在拟合后将模型参数转换为Fortran风格的数组来增强测试时间性能（仅限多类）。

• 增加了调整互信息指标作为 adjusted_mutual_info_score ，由Robert Layton添加。

• 来自libsvm/liblinear的SVC/SVR/LinearSVC/LogisticRegression模型现在支持通过样本数量对C正则化参数进行缩放，由 Alexandre Gramfort 实现。

• 新的 集成方法 模块，由 Gilles Louppe 和 Brian Holt 开发。该模块包含了随机森林算法和额外树方法，以及文档和示例。

• 异常检测 ：异常和新生检测，由:user:Virgile Fritsch <VirgileFritsch> 实现。

• 核近似 ：实现核近似的变换，用于非线性核上的快速SGD，由 Andreas Müller 开发。

• 修复了由于原子交换在 正交匹配追踪 (OMP) 中的错误，由 Vlad Niculae 修复。

• 稀疏编码器 ，由 Vlad Niculae 开发。

• 小批量K均值 性能改进，由 Olivier Grisel 实现。

• K均值 对稀疏矩阵的支持，由 Mathieu Blondel 实现。

• 改进了开发者和 sklearn.utils 模块的文档，由 Jake Vanderplas 完成。

• 向量化20新闻组数据集加载器 (fetch_20newsgroups_vectorized )，由 Mathieu Blondel 实现。

• 多类分类 ，由 Lars Buitinck 实现。

• 稀疏矩阵的均值和方差的快速计算工具，由 Mathieu Blondel 实现。

• 使 scale 和 sklearn.preprocessing.Scaler 在稀疏矩阵上工作，由 Olivier Grisel 实现。

• 使用决策树和/或树森林的特征重要性，由 Gilles Louppe 实现。

• 随机树森林的并行实现，由 Gilles Louppe 实现。

• sklearn.cross_validation.ShuffleSplit 可以对训练集和测试集进行子采样，由 Olivier Grisel 实现。

• 文档构建中的错误已由 Andreas Müller 修复。

API 变更摘要

以下是升级到 scikit-learn 版本 0.9 时的代码迁移说明：

• 一些可能会覆盖其输入以节省内存的估计器之前有 overwrite_ 参数；这些参数已被替换为 copy_ 参数，其含义完全相反。

  这特别影响 linear_model 模块中的一些估计器。默认行为仍然是复制所有传入的内容。

• SVMlight 数据集加载器 load_svmlight_file 不再支持一次加载两个文件；请改用 load_svmlight_files 。此外，（未使用的） buffer_mb 参数已移除。

• 随机梯度下降 模块中的稀疏估计器现在使用密集参数向量 coef_ 而不是 sparse_coef_ 。这显著提高了测试时间性能。

• 协方差估计 模块现在有一个稳健的协方差估计器，即最小协方差行列式估计器。

• cluster 中的聚类评估指标已重构，但这些更改是向后兼容的。它们已移动到 metrics.cluster.supervised 中，以及包含轮廓系数的 metrics.cluster.unsupervised 。

• permutation_test_score 函数现在与 cross_val_score 的行为相同（即使用跨折叠的平均分数。）

• 交叉验证生成器现在默认使用整数索引（ indices=True ）而不是布尔掩码。这使得与稀疏矩阵数据一起使用更加直观。

• 用于稀疏编码的函数 sparse_encode 和 sparse_encode_parallel 已合并到 sparse_encode 中，并且数组的形状已转置，以便与矩阵分解设置保持一致，而不是回归设置。

• 修复了SVMlight/LibSVM文件格式处理中的一个偏差错误； 使用 dump_svmlight_file 生成的文件应重新生成。 （它们应该继续工作，但意外地多了一个额外的零列。）

• BaseDictionaryLearning 类已被 SparseCodingMixin 替换。

• sklearn.utils.extmath.fast_svd 已重命名为 randomized_svd ，并且默认的过采样现在固定为10个额外的随机向量， 而不是将提取的组件数量加倍。新的行为遵循参考论文。

贡献者

自上次发布以来，以下人员为scikit-learn做出了贡献：

• 246 Andreas Müller

• 242 Olivier Grisel

• 220 Gilles Louppe

• 183 Brian Holt

• 166 Gael Varoquaux

• 144 Lars Buitinck

• 73 Vlad Niculae

• 65 Peter Prettenhofer

• 64 Fabian Pedregosa

• 60 Robert Layton

• 55 Mathieu Blondel

• 52 Jake Vanderplas

• 44 Noel Dawe

• 38 Alexandre Gramfort

• 24 Virgile Fritsch

• 23 Satrajit Ghosh

• 3 Jan Hendrik Metzen

• 3 Kenneth C. Arnold

• 3 Shiqiao Du

• 3 Tim Sheerman-Chase

• 3 Yaroslav Halchenko

• 2 Bala Subrahmanyam Varanasi

• 2 DraXus

• 2 Michael Eickenberg

• 1 Bogdan Trach

• 1 Félix-Antoine Fortin

• 1 Juan Manuel Caicedo Carvajal

• 1 Nelle Varoquaux

• 1 Nicolas Pinto

• 1 Tiziano Zito

• 1 Xinfan Meng

版本 0.9

2011年9月21日

scikit-learn 0.9 于2011年9月发布，距离0.8版本发布三个月，包括新的模块 流形学习 , Dirichlet过程 以及几种新算法和文档改进。

此版本还包括由 Vlad Niculae 开发的字典学习工作，作为 Google Summer of Code 计划的一部分。 .. |banner1| image:: ../auto_examples/manifold/images/thumb/sphx_glr_plot_compare_methods_thumb.png

target:

../auto_examples/manifold/plot_compare_methods.html

|banner1|

更新日志

• 由 Jake Vanderplas 和 Fabian Pedregosa 新增的 流形学习 模块。

• 由 Alexandre Passos 新增的 Dirichlet Process 高斯混合模型。

• 由 Jake Vanderplas 重构的 最近邻算法 模块：整体重构，支持输入稀疏矩阵，速度和文档改进。详见下一部分的完整API变更列表。

• 由 Gilles Louppe 改进的 特征选择 模块：RFE类的重构，文档重写，提高效率和少量API变更。

• 由 Vlad Niculae 、 Gael Varoquaux 和 Alexandre Gramfort 新增的 稀疏主成分分析（SparsePCA 和 MiniBatchSparsePCA） 。

• 由于 Jean Kossaifi 的工作，打印估计器现在在不同架构和Python版本下表现一致。

• 由 Mathieu Blondel 和 Lars Buitinck 新增的 libsvm/svmlight 格式加载器 。

• 文档改进：由 Fabian Pedregosa 在示例画廊中添加缩略图。

• 在 支持向量机 模块中的重要错误修复（段错误，性能不佳）由 Fabian Pedregosa 完成。

• 由 Lars Buitinck 新增的 多项式朴素贝叶斯 和 伯努利朴素贝叶斯 。

• 文本特征提取优化由 Lars Buitinck 完成。

• 卡方特征选择 (feature_selection.chi2 ) 由 Lars Buitinck 实现。

• 生成的数据集 模块重构由 Gilles Louppe 完成

• 多类和多输出算法 由 Mathieu Blondel 实现

• Ball tree 重写由 Jake Vanderplas 完成

• DBSCAN 算法的实现由 Robert Layton 完成

• Kmeans 预测和转换由 Robert Layton 完成

• 预处理模块重构由 Olivier Grisel 完成

• 更快的均值漂移由 Conrad Lee 完成

• 新的 Bootstrap 、随机排列交叉验证，又称洗牌与分割 以及在交叉验证方案中的其他各种改进由 Olivier Grisel 和 Gael Varoquaux 完成

• 调整兰德指数和 V-Measure 聚类评估指标由 Olivier Grisel 完成

• 添加了 Orthogonal Matching Pursuit 由 Vlad Niculae 完成

• 在 特征提取 模块中添加了 2D-patch 提取器实用程序由 Vlad Niculae 完成

• 实现了 LassoLarsCV （使用 Lars 算法的交叉验证 Lasso 求解器）和 LassoLarsIC （Lars 中的 BIC/AIC 模型选择）由 Gael Varoquaux 和 Alexandre Gramfort 完成

• 对 metrics.roc_curve 的可扩展性改进由 Olivier Hervieu 完成

• 距离辅助函数 metrics.pairwise_distances 和 metrics.pairwise.pairwise_kernels 由 Robert Layton 完成

• Mini-Batch K-Means 由 Nelle Varoquaux 和 Peter Prettenhofer 完成

• mldata 实用程序由 Pietro Berkes 完成

• The Olivetti faces dataset 由 David Warde-Farley 完成

API 变更总结

以下是当从 scikit-learn 版本 0.8 升级时的代码迁移说明：

• scikits.learn 包被重命名为 sklearn 。为了向后兼容，仍然存在 scikits.learn 包别名。

  依赖于 scikit-learn 0.9+ 的第三方项目应升级其代码库。例如，在 Linux / MacOSX 上只需运行（首先进行备份！）:

  find -name "*.py" | xargs sed -i 's/\bscikits.learn\b/sklearn/g'
  

• 估计器不再接受将模型参数作为 fit 参数： 相反，所有参数必须仅作为构造函数参数传递或使用从 BaseEstimator 继承的现在公开的 set_params 方法。

  某些估计器仍然可以在 fit 上接受关键字参数，但这是受限于数据依赖值（例如，从 X 数据矩阵预先计算的 Gram 矩阵或亲和矩阵）。

• cross_val 包已重命名为 cross_validation ，尽管为了向后兼容性也设置了 cross_val 包别名。

  依赖于 scikit-learn 0.9+ 的第三方项目应升级其代码库。例如，在 Linux / MacOSX 上只需运行（首先进行备份！）:

  find -name "*.py" | xargs sed -i 's/\bcross_val\b/cross_validation/g'
  

• sklearn.cross_validation.cross_val_score 函数的 score_func 参数现在期望仅接受 y_test 和 y_predicted 作为分类和回归任务的参数，或无监督估计器的 X_test 。

• 支持向量机算法的 gamma 参数默认设置为 1 / n_features ，而不是 1 / n_samples 。

• sklearn.hmm 已被标记为孤立：它将在版本 0.11 中从 scikit-learn 中移除，除非有人站出来贡献文档、示例并修复潜在的数值稳定性问题。

• sklearn.neighbors 已成为一个子模块。之前可用的两个估计器 NeighborsClassifier 和 NeighborsRegressor 已被标记为已弃用。它们的功能已被分配到五个新类中：用于无监督邻居搜索的 NearestNeighbors ，用于监督分类问题的 KNeighborsClassifier 和 RadiusNeighborsClassifier ，以及用于监督回归问题的 KNeighborsRegressor 和 RadiusNeighborsRegressor 。

• sklearn.ball_tree.BallTree 已移至 sklearn.neighbors.BallTree 。使用前者将生成警告。

• sklearn.linear_model.LARS() 及相关类（LassoLARS、 LassoLARSCV 等）已重命名为 sklearn.linear_model.Lars() 。

• sklearn.metrics.pairwise 中的所有距离度量和核现在都有一个 Y 参数，默认值为 None。如果未给出，结果是 Y 中每个样本之间的距离（或核相似度）。如果给出，结果是 X 中样本与 Y 中样本之间的成对距离（或核相似度）。

• sklearn.metrics.pairwise.l1_distance 现在称为 manhattan_distance ，默认返回成对距离。对于逐元素距离，请将参数 sum_over_features 设置为 False 。

向后兼容包别名和其他已弃用的类和函数将在版本 0.11 中移除。

人员

38 人为此版本做出了贡献。

• 387 Vlad Niculae

• 320 Olivier Grisel

• 192 Lars Buitinck

• 179 Gael Varoquaux

• 168 Fabian Pedregosa ( INRIA , Parietal Team )

• 127 Jake Vanderplas

• 120 Mathieu Blondel

• 85 Alexandre Passos

• 67 Alexandre Gramfort

• 57 Peter Prettenhofer

• 56 Gilles Louppe

• 42 Robert Layton

• 38 Nelle Varoquaux

• 32 Jean Kossaifi

• 30 Conrad Lee

• 22 Pietro Berkes

• 18 andy

• 17 David Warde-Farley

• 12 Brian Holt

• 11 Robert

• 8 Amit Aides

• 8 Virgile Fritsch

• 7 Yaroslav Halchenko

• 6 Salvatore Masecchia

• 5 Paolo Losi

• 4 Vincent Schut

• 3 Alexis Metaireau

• 3 Bryan Silverthorn

• 3 Andreas Müller

• 2 Minwoo Jake Lee

• 1 Emmanuelle Gouillart

• 1 Keith Goodman

• 1 Lucas Wiman

• 1 Nicolas Pinto

• 1 Thouis (Ray) Jones

• 1 Tim Sheerman-Chase

版本 0.8

2011年5月11日

scikit-learn 0.8 于 2011 年 5 月发布，距离第一个版本发布一个月后。 “国际” scikit-learn 编码冲刺 并且通过包含重要模块来标记：层次聚类 ，交叉分解 ，非负矩阵分解 ，对 Python 3 的初步支持以及重要的增强和错误修复。

更新日志

在此版本中引入了几个新模块：

• 由 Vincent Michel、 Bertrand Thirion 、 Alexandre Gramfort 和 Gael Varoquaux 新增的 层次聚类 模块。

• 由 Mathieu Blondel 实现的 核主成分分析 。

• 由 Olivier Grisel 提供的 野外标记人脸数据集 。

• 由 Edouard Duchesnay 新增的 交叉分解 模块。

• 由 Vlad Niculae 提供的 非负矩阵分解 模块。

• 在 协方差 模块中由 Virgile Fritsch 实现的 近似收缩算法 。

其他一些模块也得到了显著的改进或清理。

• 对 Python 3 的初步支持：构建和导入干净，一些模块可用，而其他模块的测试失败，由 Fabian Pedregosa 提供。

• PCA 现在可以从 Pipeline 对象中使用，由 Olivier Grisel 提供。

• 由 Olivier Grisel 提供的 性能指南 。

• 修复了 libsvm 绑定中的内存泄漏，64 位更安全的 BallTree，由 Lars Buitinck 提供。

• 在 k均值 算法中修复了错误和样式，由 Jan Schlüter 提供。

• 在高斯混合模型中添加了 converged 属性，由 Vincent Schut 提供。

• 在 LinearDiscriminantAnalysis 中实现了 transform 、 predict_log_proba ，由 Mathieu Blondel 提供。

• 在 支持向量机 模块中的重构和错误修复，由 Fabian Pedregosa 、 Gael Varoquaux 和 Amit Aides 提供。

• 重构了 SGD 模块（删除了代码重复，更好的变量命名），添加了样本权重的接口，由 Peter Prettenhofer 提供。

• 用 Cython 包装了 BallTree，由 Thouis (Ray) Jones 提供。

• 添加了函数 svm.l1_min_c ，由 Paolo Losi 提供。

• 拼写错误、文档风格等由 Yaroslav Halchenko 、 Gael Varoquaux 、 Olivier Grisel 、Yann Malet、 Nicolas Pinto 、Lars Buitinck 和 Fabian Pedregosa 负责。

贡献者

以下是使本次发布成为可能的人员，按提交次数排序：

• 159 Olivier Grisel

• 96 Gael Varoquaux

• 96 Vlad Niculae

• 94 Fabian Pedregosa

• 36 Alexandre Gramfort

• 32 Paolo Losi

• 31 Edouard Duchesnay

• 30 Mathieu Blondel

• 25 Peter Prettenhofer

• 22 Nicolas Pinto

• 11 Virgile Fritsch

• 7 Lars Buitinck

• 6 Vincent Michel

• 5 Bertrand Thirion

• 4 Thouis (Ray) Jones

• 4 Vincent Schut

• 3 Jan Schlüter

• 2 Julien Miotte

• 2 Matthieu Perrot

• 2 Yann Malet

• 2 Yaroslav Halchenko

• 1 Amit Aides

• 1 Andreas Müller

• 1 Feth Arezki

• 1 Meng Xinfan

版本 0.7

2011年3月2日

scikit-learn 0.7 于2011年3月发布，大约在0.6版本发布后的三个月。此版本的特点是现有算法（如k-最近邻和K-均值算法）的速度改进，以及包含用于计算岭广义交叉验证解决方案的高效算法。与之前的版本不同，此版本没有添加新的模块。

更新日志

• 高斯混合模型采样性能改进 [Jan Schlüter]。

• 在 RidgeCV 中实现高效的留一法交叉验证岭回归 [ Mathieu Blondel ]

• 在 linear_model.lars_path 中更好地处理共线性和早期停止 [ Alexandre Gramfort 和 Fabian Pedregosa ]。

• 修复liblinear标签顺序和系数符号问题 [Dan Yamins, Paolo Losi, Mathieu Blondel 和 Fabian Pedregosa ]。

• 高维空间中最近邻算法的性能改进 [ Fabian Pedregosa ]。

• KMeans 的性能改进 [ Gael Varoquaux 和 James Bergstra ].

• 基于SVM的类的完整性检查 [ Mathieu Blondel ].

• 重构 neighbors.NeighborsClassifier 和 neighbors.kneighbors_graph ：为k-最近邻搜索添加了不同的算法，并实现了一种更稳定的算法来寻找重心权重。还为该模块添加了一些开发者文档，更多信息请参见 notes_neighbors [ Fabian Pedregosa ].

• 文档改进：添加了 pca.RandomizedPCA 和 LogisticRegression 到类参考中。还添加了用于聚类的矩阵引用和其他修复 [ Gael Varoquaux , Fabian Pedregosa , Mathieu Blondel , Olivier Grisel , Virgile Fritsch , Emmanuelle Gouillart]

• 在利用liblinear_的类中绑定decision_function，稠密和稀疏变体，如 LinearSVC 或 LogisticRegression [ Fabian Pedregosa ].

• 对 metrics.pairwise.euclidean_distances 和 pca.RandomizedPCA 的性能和API改进 [ James Bergstra ].

• 修复在NetBSD下的编译问题 [Kamel Ibn Hassen Derouiche]

• 允许在 hmm.GaussianHMM 中输入不同长度的序列 [ Ron Weiss ].

• 修复由不正确的索引引起的亲和传播中的错误 [Xinfan Meng]

贡献者

使本次发布成为可能的人员，按提交次数排序：

• 85 Fabian Pedregosa

• 67 Mathieu Blondel

• 20 Alexandre Gramfort

• 19 James Bergstra

• 14 Dan Yamins

• 13 Olivier Grisel

• 12 Gael Varoquaux

• 4 Edouard Duchesnay

• 4 Ron Weiss

• 2 Satrajit Ghosh

• 2 Vincent Dubourg

• 1 Emmanuelle Gouillart

• 1 Kamel Ibn Hassen Derouiche

• 1 Paolo Losi

• 1 VirgileFritsch

• 1 Yaroslav Halchenko

• 1 Xinfan Meng

版本 0.6

2010年12月21日 scikit-learn 0.6 于2010年12月发布。这一版本的特点是引入了几个新模块，并对旧模块进行了普遍的重命名。同时，还增加了新的示例，包括应用于真实世界数据集的应用。

更新日志

• 由Peter Prettenhofer新增的 随机梯度下降 模块。该模块附带完整的文档和示例。

• 改进的svm模块：内存消耗减少了50%，自动设置类别权重的启发式方法，以及为样本分配权重的可能性（参见示例 SVM：加权样本 ）。

• 由Vincent Dubourg新增的 高斯过程 模块。该模块同样拥有出色的文档和一些非常简洁的示例。可以查看 example_gaussian_process_plot_gp_regression.py 或 example_gaussian_process_plot_gp_probabilistic_classification_after_regression.py 来了解其功能。

• 现在可以使用liblinear的多类SVC（在 LinearSVC 中使用multi_class选项）。

• 文本特征提取的新功能和性能改进。

• 改进了稀疏矩阵支持，包括主要类（GridSearchCV ）以及模块 sklearn.svm.sparse 和 sklearn.linear_model.sparse。

• 新增了许多酷炫的示例，并创建了一个使用真实世界数据集的新部分。这些包括：使用特征脸和支持向量机进行人脸识别的示例 ，物种分布建模 ，维基百科主特征向量 等。

• 更快的 最小角回归 算法。现在在最坏情况下比R版本快2倍，在某些情况下甚至快达10倍。

• 更快的坐标下降算法。特别是，lasso的完整路径版本（linear_model.lasso_path ）速度更快。

比以前快了200倍。

• 现在可以从 LogisticRegression 模型中获取概率估计。

• 模块重命名：glm 模块已重命名为 linear_model，gmm 模块已并入更通用的混合模型，sgd 模块已并入 linear_model。

• 大量的错误修复和文档改进。

贡献者

使本次发布成为可能的人员，按提交次数排序：

• 207 Olivier Grisel

• 167 Fabian Pedregosa

• 97 Peter Prettenhofer

• 68 Alexandre Gramfort

• 59 Mathieu Blondel

• 55 Gael Varoquaux

• 33 Vincent Dubourg

• 21 Ron Weiss

• 9 Bertrand Thirion

• 3 Alexandre Passos

• 3 Anne-Laure Fouque

• 2 Ronan Amicel

• 1 Christian Osendorfer

版本 0.5

2010年10月11日

更新日志

新增类

• 在 svm 和 linear_model 模块中的一些分类器支持稀疏矩阵（参见 svm.sparse.SVC , svm.sparse.SVR , svm.sparse.LinearSVC , linear_model.sparse.Lasso , linear_model.sparse.ElasticNet ）

• 新的 Pipeline 对象，用于组合不同的估计器。

• 模块 特征选择 中的递归特征消除例程。

• 在 linear_model 模块中添加了各种能够进行交叉验证的类（LassoCV , ElasticNetCV , 等）。

• 新的、更高效的 LARS 算法实现。该算法的 Lasso 变体也已实现。参见 lars_path , Lars 和 LassoLars 。

• 新的隐马尔可夫模型模块（参见类 hmm.GaussianHMM , hmm.MultinomialHMM , hmm.GMMHMM ）

• 新的特征提取模块（参见 类参考 ）

• 模块 sklearn.fastica 中的新 FastICA 算法

文档

• 改进了许多模块的文档，现在将叙述性文档与类参考分开。例如，请参见 SVM 模块的文档 和完整的 类参考 。

修复

• API 变更：遵循 PEP-8 规范的变量命名，赋予更有意义的名称。

• 修复了在共享内存上下文（多进程）中运行 svm 模块的问题。

• 再次可以从 sphinx 文档生成 latex（以及 PDF）。

示例

• 使用部分 mlcomp 数据集的新示例： sphx_glr_auto_examples_mlcomp_sparse_document_classification.py （已移除）和 使用稀疏特征对文本文档进行分类

• 更多示例。 请参见此处 完整的示例列表。

外部依赖

• Joblib 现在是此包的依赖项，尽管它随附于（sklearn.externals.joblib）。

移除的模块

• 模块 ann（人工神经网络）已从发行版中移除。需要此类算法的用户应查看 pybrain。

杂项

• 网页的新 sphinx 主题。

作者

以下是此版本作者的列表，按提交次数排序：

• 262 Fabian Pedregosa

• 240 Gael Varoquaux

• 149 Alexandre Gramfort

• 116 Olivier Grisel

• 40 Vincent Michel

• 38 Ron Weiss

• 23 Matthieu Perrot

• 10 Bertrand Thirion

• 7 Yaroslav Halchenko

• 9 VirgileFritsch

• 6 Edouard Duchesnay

• 4 Mathieu Blondel

• 1 Ariel Rokem

• 1 Matthieu Brucher

版本 0.4

2010年8月26日

更新日志

此版本的主要变更包括：

• 坐标下降算法（Lasso、ElasticNet）的重构与速度改进（大约快了 100 倍）。

• 与R的包GLMNET保持一致的坐标下降重构（及错误修复）。

• 新的metrics模块。

• 由Ron Weiss贡献的新GMM模块。

• 实现了LARS算法（目前不包括Lasso变体）。

• feature_selection模块重新设计。

• 迁移到GIT作为版本控制系统。

• 移除过时的attrselect模块。

• 私有编译扩展的重命名（添加下划线）。

• 移除遗留的未维护代码。

• 文档改进（包括docstring和rst）。

• 改进构建系统以（可选地）与MKL链接。同时，在没有系统级BLAS的情况下提供一个精简的BLAS实现。

• 大量新增示例。

• 许多，许多错误修复…

作者

此版本的提交者列表如下（按提交次数排序）：

• 143 Fabian Pedregosa

• 35 Alexandre Gramfort

• 34 Olivier Grisel

• 11 Gael Varoquaux

• 5 Yaroslav Halchenko

• 2 Vincent Michel

• 1 Chris Filo Gorgolewski

早期版本

早期版本包括了Fred Mailhot、David Cooke、David Huard、Dave Morrill、Ed Schofield、Travis Oliphant、Pearu Peterson的贡献。