Milk

membungkus Susu libsvm dalam kode Python.
Ini juga mendukung k-means dengan implementasi yang hati-hati untuk tidak menggunakan terlalu banyak memori

Fitur :.

• Acak hutan
• Self mengorganisir peta
• SVMs. Menggunakan solver libsvm dengan pembungkus pythonesque sekitarnya.
• Stepwise Analisis diskriminan
untuk seleksi fitur.
• Non-negatif factorisation matriks
• K-cara menggunakan sesedikit memori mungkin
.
• propagasi Affinity

Apa yang baru dalam rilis ini:.

• Ditambahkan ruang bagian proyeksi kNN
• pdist Ekspor susu namespace.
• Ditambahkan Eigen
untuk distribusi sumber.
• Ditambahkan measures.curves.roc.
• Ditambahkan mds_dists fungsi.

Apa yang baru di versi 0.5:

• Add koordinat-keturunan berdasarkan Lasso
• Tambahkan fungsi unsupervised.center
• Membuat pekerjaan zscore dengan NaN (dengan mengabaikan mereka)
• Menyebarkan panggilan apply_many melalui trafo

Apa yang baru di versi 0.4.1:.

• Fixed bug penting dalam gridsearch

Apa yang baru di versi 0.4.0:

• Gunakan multiprocessing untuk mengambil keuntungan dari mesin multi inti ( off secara default).
• Add perceptron pelajar
• Set benih acak pelajar hutan acak
• Add peringatan ke susu / __ init__.py jika impor gagal
• Tambahkan nilai kembali ke gridminimise
• Set benih acak di precluster_learner
• Diimplementasikan Error-Memperbaiki Keluaran Kode untuk pengurangan multi-kelas untuk biner (termasuk estimasi probabilitas)
• Tambahkan argumen multi_strategy ke defaultlearner ()
• Membuat titik kernel di svm banyak, banyak, lebih cepat
• Membuat pas sigmoidal untuk SVM probabilitas memperkirakan lebih cepat
• Fix bug di randomforest (Patch oleh Wei susu-pengguna mailing list)

Apa yang baru dalam versi 0.3.10:

• Add ext.jugparallel untuk integrasi dengan kendi
• Paralel crossvalidation nfold menggunakan kendi
• beberapa KMeans Paralel berjalan menggunakan kendi
• cluster_agreement untuk non-ndarrays
• Add histogram & normali (z | s) pilihan e untuk milk.kmeans.assign_centroid
• bug Perbaiki di sda ketika fitur yang konstan untuk kelas
• Add select_best_kmeans
• Ditambahkan defaultlearner sebagai nama yang lebih baik daripada defaultclassifier
• Tambahkan measures.curves.precision_recall
• Add unsupervised.parzen.parzen

Apa yang baru di versi 0.3.8:.

• kompilasi tetap pada Windows

Apa yang baru di versi 0.3.7:.

• regresi logistik
• Sumber demo termasuk (dalam sumber dan dokumentasi).
• Add klaster metrik kesepakatan.
• Fix nfoldcrossvalidation bug ketika menggunakan asal.

Apa yang baru di versi 0.3.5:.

• Bugfix untuk 64 bit

Apa yang baru di versi 0.3.4:.

• peserta didik hutan Acak
• pohon Keputusan mempercepat 20x.
• gridsearch Jauh lebih cepat (menemukan optimal tanpa menghitung semua lipatan).