切换导航

.rst .pdf

内容

更新日志

版本 2024.4.1

• 修复打包 GH#986

版本 2023.3.24

• 与 Python 3.10 的兼容性

• 已放弃对 Python 3.7 的支持

• 与 scikit-learn 1.2.0 及更新版本的兼容性

版本 2022.5.27

• 与 scikit-learn 1.1 及更新版本的兼容性 (GH#910)

版本 2021.11.30

• 修复了当基础估计器返回 scipy.sparse 矩阵时，包装器的元推断中的回归问题 (GH#889)

版本 2021.11.16

• 像 wrappers.ParallelPostFit 这样的元估计器现在可以与 cuDF 和 CuPy 对象一起工作。(GH#862)

• 修复了 wrappers.ParallelPostFit 中与新 Dask 优化不兼容的问题 (GH#878)

版本 2021.10.17

• 添加了对 scikit-learn 1.0.0 的支持。scikit-learn 1.0.0 现在是支持的最低版本。

版本 1.9.0

• LogisticRegression.predict_proba 现在正确地返回二分类的 (n, 2) 数组 (GH#760)

• 修复了多输出行为，使其与 scikit-learn 一致 (GH#820)

• 添加了MAPE到回归指标中 (GH#822)

• NumPy 1.20 兼容性 (GH#784)

版本 1.8.0

• 与 scikit-learn 0.24 的兼容性

版本 1.7.0

• 改进了与 PyTorch 模型一起工作的文档，参见 pytorch (GH#699)

• 改进了与 Keras / TensorFlow 模型工作的文档，参见 Keras 和 Tensorflow (GH#713)

• 修复了 dask_ml.feature_extraction.text.HashingVectorizer 中远程词汇的处理 (GH#719)

• 添加了 dask_ml.metrics.regression.mean_squared_log_error() (GH#725)

• 在 dask_ml.preprocessing.OneHotEncoder 中允许用户提供的类别 (GH#727)

• 添加了 dask_ml.linear_model.LogisticRegression.decision_function() (GH#728)

• 为 dask_ml.decomposition.TruncatedSVD 添加了 compute 参数 (GH#743)

• 增量PCA中的固定符号稳定性 (GH#742)

版本 1.6.0

• 改进了 RandomizedSearchCV 的文档

• 改进了 dask_ml.cluster.KMeans 中的日志记录 (GH#688)

• 在 dask_ml.model_selection.HyperbandSearchCV 中添加了对 dask.dataframe 对象的支持 (GH#701)

• 为 dask_ml.metrics.mean_squared_error 添加了 squared=True 选项 (GH#707)

• 添加了 dask_ml.feature_extraction.text.CountVectorizer (GH#705)

版本 1.5.0

• 支持 Python 3.8 (GH#669)

• 与 Scikit-Learn 0.23.0 的兼容性 (GH#669)

• 现在需要 Scikit-Learn 0.23.0 或更新版本 (GH#669)

• 移除了之前已弃用的 Partial 类。请改用 dask_ml.wrappers.Incremental (GH#674)

版本 1.4.0

• 添加了 dask_ml.decomposition.IncrementalPCA 用于核心外 / 分布式增量PCA (GH#619)

• 在增量模型选择中改进了日志记录和监控 (GH#528)

• 添加了 dask_ml.ensemble.BlockwiseVotingClassifier 和 dask_ml.ensemble.BlockwiseVotingRegressor 用于分块训练和集成预测 (GH#657)

• 改进了 超参数搜索 的文档 (GH#432)

版本 1.3.0

• 为 dask_ml.model_selection.train_test_split() 添加了 shuffle 支持，适用于 DataFrame 输入 (GH#625)

• 通过重用缓存任务，改进了 dask_ml.model_selection.GridSearchCV 的性能 (GH#622)

• 为 dask_ml.model_selection.GridSearchCV 添加 DataFrame 支持 (GH#612)

• 修复了 dask_ml.linear_model.LinearRegression.score() 以使用 r2_score 而不是 mse (GH#614)

• 在 dask_ml.preprocessing.StandardScaler 中处理缺失数据 (GH#608)

版本 1.2.0

• 将 model_selection.IncrementalSearchCV 中的第二个位置参数名称从 param_distribution 更改为 parameters，以匹配基类的名称。

• 与 scikit-learn 0.22.1 的兼容性。

• 添加了 dask_ml.preprocessing.BlockTransfomer，这是 scikit-learn 的 FunctionTransformer 的扩展 (GH#366)。

• 添加了 dask_ml.feature_extraction.FeatureHasher，它类似于 scikit-learn 的实现。

版本 1.1.1

• 修复了 1.1.0 轮子的问题 (GH#575)

• 使 svd_flip 在数组为只读时也能工作 (GH#592)

版本 1.1.0

• 非数组（例如 Dask Bags 和 DataFrames）现在允许在 dask_ml.wrappers.Incremental 中使用。这对于文本分类管道（pr:570）非常有用

• 索引现在在 dask_ml.preprocessing.PolynomialFeatures 中被保留，用于 DataFrame 输入 (GH#563)

• dask_ml.decomposition.PCA 现在支持 DataFrame 输入 (GH#543)

• dask_ml.cluster.KMeans 处理某些块长度为0的输入 (GH#559)

• 改进了对 dask_ml.model_selection.train_test_split() 混合输入的错误报告 (GH#552)

• 移除了已弃用的 dask_ml.joblib 模块。请改用 joblib.parallel_backend 代替 (GH#545)

• dask_ml.preprocessing.QuantileTransformer 现在处理 DataFrame 输入 (GH#533)

版本 1.0.0

• 为分布式数据集的超参数搜索添加了新的超参数搜索元估计器：HyperbandSearchCV 和 SuccessiveHalvingSearchCV

• 已移除对 Python 2 的支持 (GH#500)

版本 0.13.0

• 与 scikit-learn 0.21.1 的兼容性

• 在 GridSearchCV 和 RandomizedSearchCV 中的交叉验证结果现在会在完成时收集，以防工作进程丢失 (GH#433)。

• 修复了在只提供训练/测试大小之一时 dask_ml.model_selection.train_test_split() 中的错误 (GH#502)

• 为 dask_ml.model_selection.IncrementalSearchCV 提供一致的随机状态

• 修复了32位Windows构建的多个问题 (GH#487)

备注

dask-ml 0.13.0 将是支持 Python 2 的最后一个版本。

版本 0.12.0

API 破坏性变更

• dask_ml.model_selection.IncrementalSearchCV 现在为 .predict 等后拟合方法返回 Dask 对象 (GH#423)。

版本 0.11.0

请注意，此版本的 Dask-ML 需要 scikit-learn >= 0.20.0。

增强功能

• 添加了 dask_ml.model_selection.IncrementalSearchCV，这是一个用于超参数优化的大于内存数据集的元估计器 (GH#356)。更多信息请参见 增量超参数优化。

• 添加了 dask_ml.preprocessing.PolynomialTransformer，作为 scikit-learn 版本的直接替代（GH#347）。

• 在 dask_ml.model_selection.ParallelPostFit 中，为 Dask Arrays 添加了自动重新分块功能，这些数组在特征方向上有多个块 (GH#376)

• 为 dask_ml.cluster.KMeans 添加了对 Dask DataFrame 输入的支持 (GH#390)

• 在 dask_ml.wrappers.ParallelPostFit.score() 中添加了 compute 关键字，以支持延迟评估模型的分数 (GH#402)

Bug 修复

• 更改了 dask_ml.wrappers.ParallelPostFit ，当输入数组在特征方向上有多于一个块时，自动对 predict 等方法的输入数组进行重新分块 (GH#376)。

• 在 dask_ml.impute.SimpleImputer 中存在一个错误，当使用 Dask DataFrames 时，填充的是最频繁项的计数，而不是项本身 (GH#385)。

• 在设置 random_state 时，dask_ml.model_selection.ShuffleSplit 返回相同的分割 (GH#380)。

版本 0.10.0

增强功能

• 为 dask_ml.model_selection.train_test_split() 添加了对 dask.dataframe.DataFrame 的支持 (GH#351)

版本 0.9.0

增强功能

• 添加了 dask_ml.model_selection.ShuffleSplit (GH#340)

Bug 修复

• 修复了 dask_ml.model_selection.GridSearchCV 和 dask_ml.model_selection.RandomizedSearchCV 的预测和评分步骤中的错误处理 (GH#339)

• 与 Dask 0.18 兼容的 dask_ml.preprocessing.LabelEncoder`（您还会注意到性能的提升）(:pr:`336)。

文档更新

• 添加了一个 路线图 。如果您希望在路线图中包含某些内容，请 提交问题 。(GH#322)

• 在文档和 dask 示例 binder 中添加了许多 示例。

构建变更

我们现在在 Dask-ML 的性能敏感部分使用 Numba。Dask-ML 现在是一个纯 Python 项目，因此我们可以提供通用轮子。

版本 0.8.0

增强功能

• 在 Incremental 中自动替换默认的 scikit-learn 评分器为 dask 感知的版本 (GH#200)

• 添加了 dask_ml.metrics.log_loss() 损失函数和 neg_log_loss 评分器 (GH#318)

• 修复了 GridSearchCV 和 BaseSearchCV 对类似数组的拟合参数的处理 (GH#320)

Bug 修复

• 在 LabelEncoder.fit_transform() 中固定了数据类型为整数，而不是 dask 数组的类数据类型 (GH#311)

版本 0.7.0

增强功能

• 为 dask_ml.metrics.accuracy_score() 添加了 sample_weight 支持。(GH#217)

• 改进了在 dask_ml.cluster.SpectralClustering 上的训练性能 (GH#152)

• 添加了 dask_ml.preprocessing.LabelEncoder。(GH#226)

• 修复了 model_selection 元估计器不遵守默认 Dask 调度器的问题 (GH#260)

API 破坏性变更

• 从 dask_ml.cluster.SpectralClustering 中移除了 basis_inds_ 属性，因为它不再使用 (GH#152)

• 将 dask_ml.wrappers.Incremental.fit() 更改为在训练前克隆基础估计器（GH#258）。这带来了一些变化

  1. 底层估计器不再提供对学习属性（如 coef_）的访问。我们建议使用 Incremental.coef_。

  2. 在连续的 fit 调用之间，状态不再泄漏。请注意，如果您希望重用状态，例如学习到的属性或随机种子，仍然可以使用 Incremental.partial_fit()。如果您要对训练数据进行多次传递，这非常有用。

• 更改了 dask_ml.wrappers.Incremental 的 get_params 和 set_params，使其不再神奇地获取/设置底层估计器的参数（GH#258）。要为底层估计器指定参数，请使用 scikit-learn 建立的双下划线前缀约定：

  inc.set_params('estimator__alpha': 10)
  

重组

Dask-SearchCV 现在正在 dask/dask-ml 仓库中开发。之前安装了 dask-searchcv 的用户现在应该安装 dask-ml。

Bug 修复

• 在32位平台上修复了随机种子生成 (GH#230)

版本 0.6.0

API 破坏性变更

• 从增量学习器的 fit 方法中移除了 get 关键字。(GH#187)

• 弃用了各种 Partial* 估计器，转而使用 dask_ml.wrappers.Incremental 元估计器 (GH#190)

增强功能

• 新增了一个新的元估计器 dask_ml.wrappers.Incremental ，用于包装任何具有 partial_fit 方法的估计器。更多信息请参见 增量元估计器 。(GH#190)

• 添加了一个 R2-score 指标 dask_ml.metrics.r2_score()。

版本 0.5.0

API 破坏性变更

• 在 dask_ml.preprocessing.StandardScalar 上的 n_samples_seen_ 属性现在始终为 numpy.nan (GH#157)。

• 更改了 dask_ml.datasets.make_blobs()、dask_ml.datasets.make_regression() 和 dask_ml.datasets.make_classfication() 的算法，以减少单机峰值内存使用 (GH#67)

增强功能

• 添加了 dask_ml.model_selection.train_test_split() 和 dask_ml.model_selection.ShuffleSplit (GH#172)

• 添加了 dask_ml.metrics.classification_score()、dask_ml.metrics.mean_absolute_error() 和 dask_ml.metrics.mean_squared_error()。

Bug 修复

• dask_ml.preprocessing.StandardScalar 现在可以处理 DataFrame 输入 (GH#157)。

版本 0.4.1

此版本添加了几个新的估计器。

增强功能

添加了 dask_ml.preprocessing.RobustScaler

使用对异常值稳健的统计数据来缩放特征。这反映了 sklearn.preprocessing.RobustScalar (GH#62)。

添加了 dask_ml.preprocessing.OrdinalEncoder

将分类特征编码为有序特征，在一个有序特征中 (GH#119)。

添加了 dask_ml.wrappers.ParallelPostFit

一个用于与任何 scikit-learn 估计器拟合的元估计器，但在 dask 数组上并行进行后处理（predict、transform 等）。更多信息请参见 并行元估计器 (GH#132)。

版本 0.4.0

API 变更

• 更改了 dask_glm.linear_model 中基于 dask-glm 的估计器的参数，以匹配 scikit-learn 的 API (GH#94)。

  • 要指定 lambuh 使用 C = 1.0 / lambduh （默认值 1.0 保持不变）

  • rho、over_relax、abstol 和 reltol 参数已被移除。请在 solver_kwargs 中提供它们。

  这会影响 LinearRegression、LogisticRegression 和 PoissonRegression 估计器。

增强功能

• 接受 dask.dataframe 用于基于 dask-glm 的估计器 (GH#84)。

版本 0.3.2

增强功能

• 添加了 dask_ml.preprocessing.TruncatedSVD() 和 dask_ml.preprocessing.PCA() (GH#78)

版本 0.3.0

增强功能

• 添加了 KMeans.predict() (GH#83)

API 变更

• 更改了 MinMaxScaler 和 StandardScaler 上的拟合属性，使其成为具体的 NumPy 或 pandas 对象，而不是持久化的 dask 对象 (GH#75)。

上一页

Keras 和 Tensorflow

下一页

贡献