Scikit-learn è cauto, per , dei principali moduli Python durante le applicazioni a motivo di data science e machine learning. In barba a ciò, la 1.0 (quella, poi, i quali dovrebbe eseguire la inizialmente massiccio a motivo di questo ) è stata rilasciata esclusivamente pochi giorni fa.
Le modifiche introdotte né sono eccessivamente significative, però riguardano particolarmente la castigo a motivo di bug, qualche praticità e alcune ottimizzazioni. A completamente ciò, si aggiunge un operazione a motivo di nettezza e correzione del .
Per questo testo riassumeremo le principali nuovo.
Le nuove praticità a motivo di scikit-learn 1.0
L’ultima a motivo di scikit-learn permette a motivo di escogitare funzioni B-spline la eleganza preprocessing.SplineTransformer. Si stratta principalmente a motivo di funzioni polinomiali individualmente utili problemi a motivo di approssimazione, regressione e interpolazione, i quali evitano alcune complicazioni a motivo di indole numerica tipici delle curve polinomiali a motivo di inoltrato gradino.
Un prossimo insigne revisione istruito insieme scikit-learn 1.0 riguarda il OneHotEncoder, utilizzato vistosamente sovente in che modo preprocessing dell’output nei problemi a motivo di tassonomia multi-classe. Il originale revisione permette a motivo di recitare su molti parametri aggiuntivi, ad modello durante eliminare la inizialmente eleganza ottenuta dalla codifica (drop='first') ovvero durante condurre i proprietà sconosciuti (handle_unknown='ignore'), azione i quali si rivela individualmente giovevole tappa a motivo di .
Aggiunta insieme pandas e altre migliorie
L’ultima a motivo di scikit-learn ha annesso altri miglioramenti termini a motivo di completamento insieme pandas. La 1.0 migliora proprio così la organizzazione dei nomi delle colonne dei dataframe, i quali dovrebbe fruttificare principalmente il operazione insieme questo strambo a motivo di strutture dati.
Sono state riviste anche se le definizioni delle funzioni, assegnando nomi principalmente significativi ai parametri, genere per fruttificare principalmente leggibile il . Ciò dovrebbe esserci individualmente giovevole durante i nuovi utenti.
Insomma, le prestazioni generali a motivo di scikit-learn sono state migliorate grazie a ad alcune ottimizzazioni. Questo ha un influenza significante, ad modello, sui metodi della eleganza PolynomialFeatures, altrettanto in che modo su molte altre funzioni i quali richiedono calcoli piuttosto complessi.
adeguare scikit-learn alla 1.0
Per dovere riuscire alla a motivo di scikit-learn, possiamo scroccare pip:
pip install -U scikit-learn
Per dovere qualunque altro dato, rimandiamo chi volesse approfondire alla pagina ufficiale della documentazione di scikit-learn, dedicata alle nuovo introdotte insieme la 1.0
Principio: scikit-learn documentation