牛奶包装在LIBSVM Python代码。
它还支持K-means聚类与实现,是小心,不要使用太多内存
功能:
- 在随机森林
- 在自组织图
- 支持向量机。使用LIBSVM求解器与它周围的一个pythonesque包装。
- 在逐步判别分析的特征选择。
- 在非负矩阵因子
- 在使用尽可能少的内存尽可能K-均值。
- 亲和力的传播
什么在此版本中是新的:
- 在新增子空间投影的kNN
- 导出pdist牛奶中的命名空间。
- 新增本征源分布。
- 新增measures.curves.roc。
- 新增mds_dists功能。
什么版本0.5是新的:
- 将坐标血统基础套索
- 将unsupervised.center功能
- 请与NaN的zscore工作(通过忽略)
- 通过变压器的传播apply_many电话
在什么版本0.4.1新是:
- 修正了gridsearch一个重要的错误李>
在什么版本0.4.0新是:
- 使用多利用多核机器(默认关闭)。
- 将感知学习
- 设置随机种子随机森林学习者
- 将警告牛奶/ __ init__.py如果导入失败
- 将返回值gridminimise
- 设置随机种子precluster_learner
- 实施纠错输出代码为减少多级二进制(包括概率估计)
- 将multi_strategy参数defaultlearner()
- 请在SVM点多内核,多,快
- 请S形拟合SVM概率估计快
- (奶用户邮件列表补丁韦)在randomforest BUG修复
什么是0.3.10版本的新:
- 将ext.jugparallel与壶集成
- 在用并联壶交叉验证nfold
- 在多个并行运行KMEANS用酒壶
- cluster_agreement非ndarrays
- 将直方图与normali(Z | S)选择E,以milk.kmeans.assign_centroid
- BUG修复功能时是恒定的一类
- 将select_best_kmeans
- 添加defaultlearner是比defaultclassifier 一个更好的名字
- 将measures.curves.precision_recall
- 将unsupervised.parzen.parzen
在SDA
什么是0.3.8版本,新的:
- 在Windows上固定编译
在什么版本0.3.7的话都是新:
- 在Logistic回归
- 在包括(以源代码和文档)来源演示。
- 将群集协议的指标。
- 修正nfoldcrossvalidation错误。
使用时的起源
什么是0.3.5版本,新的:
- 修正为64位
在什么版本0.3.4新是:
- 在随机森林学习者
- 在决策树加快了20倍。
- 快得多gridsearch(发现最佳不用计算所有的折叠)。
评论没有发现