Milk

avvolge latte libsvm nel codice Python.
Supporta anche k-means con un'implementazione che è attenzione a non usare troppa memoria

Caratteristiche .

• Random foreste
• Vacanze organizzare mappe
• SVM. Utilizzando il solutore libsvm con un wrapper Pythonesque intorno ad esso.
• graduale Analisi discriminante per la selezione delle funzioni.
• fattorizzazione matrice non negativa
• K-mezzo che utilizza il meno memoria possibile.
• propagazione Affinity

Cosa c'è di nuovo in questa versione:.

• Aggiunto subspace proiezione kNN
• pdist Esporta namespace latte.
• Aggiunto Eigen di distribuzione dei sorgenti.
• Aggiunta measures.curves.roc.
• Aggiunta la funzione mds_dists.

Cosa c'è di nuovo in versione 0.5:

• Aggiungi coordinata-discesa basato LASSO
• Inserisci funzione unsupervised.center
• Fai lavoro Zscore con NaNs (ignorandoli)
• propaga chiamate apply_many attraverso trasformatori

Cosa c'è di nuovo nella versione 0.4.1:.

• Risolto un bug importante in gridsearch

Cosa c'è di nuovo nella versione 0.4.0:

• Usa multiprocessing per approfittare di macchine multi-core ( disattivata per impostazione predefinita).
• Aggiungi perceptron discente
• Imposta seme casuale casuale discente foresta
• Aggiungi avvertimento al latte / __ init__.py se importazione non riesce
• Aggiungi valore di ritorno a gridminimise
• Imposta seme casuale in precluster_learner
• Attuato Error Correcting-codici di uscita per la riduzione di multi-classe in binario (compresa la stima di probabilità)
• Aggiungi argomento multi_strategy a defaultlearner ()
• Fare il kernel puntino in SVM molto, molto, più veloce
• Fai adatta sigmoidale per SVM probabilità stima veloce
• Bug fix a randomforest (patch Wei nel settore del latte-users mailing list)

Cosa c'è di nuovo nella versione 0.3.10:

• Aggiungi ext.jugparallel per l'integrazione con brocca
• Parallel convalida incrociata nfold utilizzando brocca
• parallele multiple Kmeans corre utilizzando brocca
• cluster_agreement per i non ndarrays
• Aggiungi istogramma e normali (z | s) opzioni e per milk.kmeans.assign_centroid
• Bug fix in sda quando caratteristiche fosse costante per una classe
• Aggiungi select_best_kmeans
• Aggiunta defaultlearner come un nome migliore di defaultclassifier
• blog measures.curves.precision_recall
• Aggiungi unsupervised.parzen.parzen

Cosa c'è di nuovo nella versione 0.3.8:.

• compilazione fisso su Windows

Cosa c'è di nuovo nella versione 0.3.7:.

• La regressione logistica
• demo source inclusi (in sorgente e la documentazione).
• Aggiungi a grappolo accordo metriche.
• Fix nfoldcrossvalidation errore quando si utilizza origini.

Cosa c'è di nuovo nella versione 0.3.5:.

• Bugfix per 64 bit

Cosa c'è di nuovo nella versione 0.3.4:.

• studenti forestali Casuale
• alberi decisionali accelerati 20x.
• gridsearch Molto più veloce (trova ottimale senza calcolare tutte le pieghe).