牛奶包裝在LIBSVM Python代碼。
它還支持K-means聚類與實現,是小心,不要使用太多內存
功能:
- 在隨機森林
- 在自組織圖
- 支持向量機。使用LIBSVM求解器與它周圍的一個pythonesque包裝。
- 在逐步判別分析的特徵選擇。
- 在非負矩陣因子
- 在使用盡可能少的內存盡可能K-均值。
- 親和力的傳播
什麼在此版本中是新的:
- 在新增子空間投影的kNN
- 導出pdist牛奶中的命名空間。
- 新增本徵源分佈。
- 新增measures.curves.roc。
- 新增mds_dists功能。
什麼版本0.5是新的:
- 將坐標血統基礎套索
- 將unsupervised.center功能
- 請與NaN的zscore工作(通過忽略)
- 通過變壓器的傳播apply_many電話
在什麼版本0.4.1新是:
- 修正了gridsearch一個重要的錯誤李>
在什麼版本0.4.0新是:
- 使用多利用多核機器(默認關閉)。
- 將感知學習
- 設置隨機種子隨機森林學習者
- 將警告牛奶/ __ init__.py如果導入失敗
- 將返回值gridminimise
- 設置隨機種子precluster_learner
- 實施糾錯輸出代碼為減少多級二進制(包括概率估計)
- 將multi_strategy參數defaultlearner()
- 請在SVM點多內核,多,快
- 請S形擬合SVM概率估計快
- (奶用戶郵件列表補丁韋)在randomforest BUG修復
什麼是0.3.10版本的新:
- 將ext.jugparallel與壺集成
- 在用並聯壺交叉驗證nfold
- 在多個並行運行KMEANS用酒壺
- cluster_agreement非ndarrays
- 將直方圖與normali(Z | S)選擇E,以milk.kmeans.assign_centroid
- BUG修復功能時是恆定的一類
- 將select_best_kmeans
- 添加defaultlearner是比defaultclassifier 一個更好的名字
- 將measures.curves.precision_recall
- 將unsupervised.parzen.parzen
在SDA
什麼是0.3.8版本,新的:
- 在Windows上固定編譯
在什麼版本0.3.7的話都是新:
- 在Logistic回歸
- 在包括(以源代碼和文檔)來源演示。
- 將群集協議的指標。
- 修正nfoldcrossvalidation錯誤。
使用時的起源
什麼是0.3.5版本,新的:
- 修正為64位
在什麼版本0.3.4新是:
- 在隨機森林學習者
- 在決策樹加快了20倍。
- 快得多gridsearch(發現最佳不用計算所有的折疊)。
評論沒有發現