Milk

wraps Leite LIBSVM em código Python.
Ele também suporta k-means clustering com uma implementação que é cuidado para não usar muita memória

Recursos :.

• Aleatório florestas
• auto-organização mapas
• SVMs. Usando o solucionador LIBSVM com um invólucro pythonesque em torno dele.
• Stepwise análise discriminante para seleção de recursos.
• Não-negativo factorisation matriz
• K-means usando como pouca memória quanto possível.
• propagação Affinity

O que é novo nesta versão:.

• projeção subespaço Adicionado kNN
• Exportar pdist no namespace leite.
• Adicionado Eigen para distribuição fonte.
• Adicionado measures.curves.roc.
• Adicionado função mds_dists.

O que é novo na versão 0.5:

• Adicione coordenada descida baseado LASSO
• Adicionar função unsupervised.center
• Faça trabalho zscore com NaNs (por ignorá-los)
• Propagar chamadas apply_many através de transformadores

O que é novo na versão 0.4.1:.

• Corrigido um bug importante na gridsearch

O que é novo na versão 0.4.0:

• Use multiprocessamento para tirar proveito de máquinas multi-core ( desativada por padrão).
• Adicionar perceptron aluno
• semente aleatória Situado no aluno floresta aleatória
• Adicionar aviso de leite / __ init__.py se importação falhar
• Adicionar valor de retorno para gridminimise
• semente aleatória Situado em precluster_learner
• Implementado códigos de saída para a redução de multi-classe em binário (incluindo a estimativa de probabilidade) de correção de erros
• Adicione argumento multi_strategy para defaultlearner ()
• Faça o kernel ponto no svm muito, muito, mais rápido
• Faça montagem sigmoidal para SVM probabilidade estima mais rápido
• Fix bug em randomforest (remendo por Wei no sector do leite-users mailing list)

O que é novo na versão 0.3.10:

• Adicione ext.jugparallel para a integração com o jarro
• validação cruzada nfold Paralela utilizando jarro
• kmeans múltiplas paralelas é executado usando jarro
• cluster_agreement para não-ndarrays
• Adicionar histograma & normali (z | s) e opções para milk.kmeans.assign_centroid
• bug Fix em sda quando os recursos eram constantes para uma classe
• Adicione select_best_kmeans
• Adicionado defaultlearner como um nome melhor do que defaultclassifier
• Add measures.curves.precision_recall
• Adicionar unsupervised.parzen.parzen

O que é novo na versão 0.3.8:.

• Fixo compilação no Windows

O que é novo na versão 0.3.7:.

• A regressão logística
• demos Fonte incluído (na fonte e documentação).
• Adicione acordo métricas de cluster.
• Fix nfoldcrossvalidation bug ao usar origens.

O que é novo na versão 0.3.5:.

• Correção para 64 bits

O que é novo na versão 0.3.4:.

• aprendizes florestais aleatória
• As árvores de decisão acelerou 20x.
• gridsearch Muito mais rápido (encontra óptima sem computar todas as dobras).