Milk

envolturas Leche LIBSVM en código Python.
También es compatible con k-means clustering con una implementación que tiene cuidado de no utilizar demasiada memoria

Características .

• Al azar bosques
• Self organizar mapas
• SVM. Usando el solver libsvm con un envoltorio Pythonesque alrededor de ella.
• Análisis discriminante por pasos para la selección de características.
• factorización matriz no negativa
• K-means utilizando tan poca memoria como sea posible.
• propagación Affinity

¿Qué hay de nuevo en esta versión:.

• Añadido proyección subespacio kNN
• pdist Exportación espacio de nombres leche.
• Agregado Eigen de distribución de código fuente.
• measures.curves.roc Añadido.
• Añadido función mds_dists.

¿Cuál es nuevo en la versión 0.5:

• Añadir coordenada en la ascendencia basada LASSO
• Añadir función unsupervised.center
• Haga trabajo zscore con NaNs (ignorándolos)
• Propagar llamadas apply_many través de transformadores

¿Cuál es nuevo en la versión 0.4.1:.

• Se ha solucionado un error importante en gridsearch

¿Qué hay de nuevo en la versión 0.4.0:

• Uso multiprocesamiento para tomar ventaja de las máquinas de núcleo múltiple ( desactivado por defecto).
• Añadir alumno perceptrón
• Establecer semilla aleatoria en aprendiz bosque al azar
• Añadir alerta a la leche / __ init__.py si falla la importación
• Agregar valor devuelto a gridminimise
• Establecer semilla aleatoria en precluster_learner
• Implementación de corrección de errores Códigos de salida para la reducción de multi-clase a binario (incluida la estimación de probabilidad)
• Añadir argumento multi_strategy a defaultlearner ()
• Haga el kernel punto en svm mucho, mucho, más rápido
• Haz ajuste sigmoidal de SVM probabilidad estima más rápido
• Fix bug en randomForest (parche de Wei en la leche-lista de distribución)

¿Qué hay de nuevo en la versión 0.3.10:

• Añadir ext.jugparallel para la integración con el jarro
• validación cruzada nfold paralelo usando jarra
• múltiples KMeans paralelas se ejecuta utilizando jarra
• cluster_agreement para los no ndarrays
• Añadir histograma y normali (z | s) opciones electrónicas para milk.kmeans.assign_centroid
• Fix bug en sda cuando las características fuera constante para una clase
• Añadir select_best_kmeans
• Añadido defaultlearner como un nombre mejor que defaultclassifier
• Agregar measures.curves.precision_recall
• Añadir unsupervised.parzen.parzen

¿Qué hay de nuevo en la versión 0.3.8:.

• compilación fija en Windows

¿Qué hay de nuevo en la versión 0.3.7:.

• La regresión logística
• demos Fuente incluidos (en código fuente y documentación).
• Añadir métricas acuerdo racimo.
• bug nfoldcrossvalidation Fix cuando se utilizan orígenes.

¿Qué hay de nuevo en la versión 0.3.5:.

• Solución de error de 64 bits

¿Qué hay de nuevo en la versión 0.3.4:.

• estudiantes forestales aleatoria
• Los árboles de decisión aceleraron hasta 20x.
• gridsearch Mucho más rápido (se encuentra óptima sin computar todos los pliegues).