Milk

Milk wraps libsvm in Python code.
Het ondersteunt ook k-means clustering met een implementatie die is voorzichtig te veel geheugen niet te gebruiken

Eigenschappen .

• Random bossen
• Zelf organiseren kaarten
• SVMs. Met behulp van de libsvm solver met een pythonesque wrapper rond het.
• Stapsgewijze Discriminant Analyse voor functie selectie.
• Non-negatieve matrix ontbinding
• K-middelen met zo weinig geheugen mogelijk.
• Affinity vermeerdering

Wat is nieuw in deze release:.

• Toegevoegd subspace projectie KNN
• Exporteer pdist in melk namespace.
• Toegevoegd Eigen om de bron distributie.
• Toegevoegd measures.curves.roc.
• Toegevoegd mds_dists functie.

Wat is nieuw in versie 0.5:

• Voeg coördinaat-afkomst gebaseerde LASSO
• Voeg unsupervised.center functie
• Maak zscore werken met NaN (door ze te negeren)
• Propagate apply_many gesprekken via transformatoren

Wat is nieuw in versie 0.4.1:.

• Fixed een belangrijke bug in gridsearch

Wat is nieuw in versie 0.4.0:

• Gebruik multiprocessing om te profiteren van multi core machines te nemen ( standaard uitgeschakeld).
• Voeg perceptron leerling
• Stel random seed in willekeurige bos leerling
• waarschuwing toevoegen aan melk / __ init__.py als import mislukt
• Voeg return waarde aan gridminimise
• Stel random seed in precluster_learner
• Implemented-Error Correcting Output Codes voor vermindering van multi-class om binaire (inclusief waarschijnlijkheid schatting)
• Voeg multi_strategy argument defaultlearner ()
• Maak de stip kernel in svm veel, veel, sneller
• Maak sigmoïdale fitting voor SVM waarschijnlijkheid sneller schat
• Fix bug in randomforest (patch door Wei melk-gebruikers mailinglijst)

Wat is nieuw in versie 0.3.10:

• ext.jugparallel toevoegen voor integratie met kruik
• Parallel nfold crossvalidation met jug
• Parallel meerdere kmeans loopt met jug
• cluster_agreement voor niet-ndarrays
• histogram & normali toevoegen (z | s) e opties om milk.kmeans.assign_centroid
• Fix bug in sda toen mogelijkheden waren constant voor een klasse
• select_best_kmeans toevoegen
• Toegevoegd defaultlearner als een betere naam dan defaultclassifier
• Voeg measures.curves.precision_recall
• Voeg unsupervised.parzen.parzen

Wat is nieuw in versie 0.3.8:.

• Vaste compilatie op Windows

Wat is nieuw in versie 0.3.7:.

• logistische regressie
• Bron demo opgenomen (in bron en documentatie).
• Voeg cluster overeenkomst metrics.
• Fix nfoldcrossvalidation bug bij het gebruik van oorsprong.

Wat is nieuw in versie 0.3.5:.

• Bugfix voor 64 bits

Wat is nieuw in versie 0.3.4:.

• Random bos leerlingen
• Besluit bomen versneld 20x.
• Veel sneller gridsearch (vindt optimale zonder berekening van alle plooien).