Milk

Milchpackungen LIBSVM in Python-Code.
Es unterstützt auch k-Mittel-Clustern mit einer Implementierung, die Sie nicht zu viel Speicherplatz belegt ist

Eigenschaften .

• Random Wälder
• Self Organizing Maps
• SVMs. Unter Verwendung der LIBSVM Löser mit Pythonesque Wrapper um ihn herum.
• Schrittweise Diskriminanzanalyse für die Funktionsauswahl.
• Non-negative Matrix-Faktorisierung
• K-Mittel so wenig Speicher wie möglich.
• Affinity Ausbreitung

Was ist neu in dieser Pressemitteilung:.

• Hinzugefügt Raum-Projektions kNN
• Export pdist in Milch-Namespace.
• Added Eigen zu Quelldistribution.
• Hinzugefügt measures.curves.roc.
• Hinzugefügt mds_dists Funktion.

Was ist neu in Version 0.5:

• In Koordinate-Abstieg basiert LASSO
• In unsupervised.center Funktion
• Stellen zscore Arbeit mit NaNs (durch sie zu ignorieren)
• Propagieren apply_many Anrufe über Transformatoren

Was ist neu in Version 0.4.1:.

• Es wurde ein wichtiger Fehler in Gridsearch

Was ist neu in Version 0.4.0:

• Verwenden Sie Multiprocessing, die Vorteile der Multi-Core-Maschinen nehmen ( standardmäßig deaktiviert).
• In perceptron Lernenden
• Stellen Zufallssaat in zufälliger Waldlern
• In Warnung an Milch / __ init__.py Import fehlschlägt, wenn
• Fügen Rückgabewert gridminimise
• Stellen Zufallssaat in precluster_learner
• Implementiert Fehlerkorrekturausgangscodes für die Reduzierung der Multi-Class, um binäre (einschließlich Wahrscheinlichkeitsschätzung)
• In multi_strategy Argument defaultlearner ()
• Stellen Sie den Punkt Kernel in SVM viel, viel, schneller
• Stellen sigmoidal passend für SVM Wahrscheinlichkeit schätzt schneller
• Fix bug in random (Patch von Wei auf Milch-Mailingliste)

Was ist neu in Version 0.3.10:

• In ext.jugparallel für die Integration mit Krug
• Parallel nfold Kreuzvalidierung mit Krug
• Parallel mehrere KMeans läuft mit Krug
• cluster_agreement für nicht ndarrays
• Histogramm & normali hinzufügen (z | n) e Optionen, um milk.kmeans.assign_centroid
• Fix bug in sda, wenn Züge waren konstant für eine Klasse
• In select_best_kmeans
• defaultlearner als besserer Name als defaultclassifier
Hinzugefügt
• hinzufügen measures.curves.precision_recall
• In unsupervised.parzen.parzen

Was ist neu in Version 0.3.8:.

• Fixed Kompilierung unter Windows

Was ist neu in Version 0.3.7:.

• Die logistische Regression
• Quelle Demos enthalten (in Quell- und Dokumentation).
• In Cluster Vereinbarung Metriken.
• Fix nfoldcrossvalidation Fehler bei der Verwendung von Herkunft.

Was ist neu in Version 0.3.5:.

• Bugfix für 64 Bit

Was ist neu in Version 0.3.4:.

• Random Wald Lernenden
• Entscheidungsbäume beschleunigt 20x.
• Viel schneller Gridsearch (findet optimale ohne Berechnung aller Falten).