在最新的scikit-learn版本中，引入了一系列重要的bug修复和性能改进，同时增加了一些关键的新特性。以下是本次发布的一些主要功能的详细介绍。若要查看所有变更的详尽列表，请参考发布说明。
要安装最新版本的scikit-learn，可以使用pip或conda进行安装。使用pip的命令如下：
pip install --upgradescikit-learn
或者使用conda的命令：
conda install -c conda-forge scikit-learn
正在引入一种新的方法来在代码库中路由元数据，例如sample_weight，这将影响pipeline.Pipeline和model_selection.GridSearchCV等元估计器如何路由元数据。虽然这个特性的基础设施已经包含在本次发布中，但相关工作仍在进行中，并非所有的元估计器都支持这个新特性。可以在元数据路由用户指南中了解更多关于这个特性的信息。需要注意的是，这个特性仍在开发中，大多数元估计器尚未实现。第三方开发者可以开始将此功能整合到他们的元估计器中。更多细节，请参见元数据路由开发者指南。
原本托管在scikit-learn-contrib仓库中的cluster.HDBSCAN已经被纳入scikit-learn。它缺少一些原始实现的功能，这些功能将在未来的版本中添加。通过同时对多个epsilon值执行修改版的cluster.DBSCAN，cluster.HDBSCAN能够找到不同密度的聚类，使其比cluster.DBSCAN对参数选择更加鲁棒。更多细节，请参见用户指南。
import numpy as np
from sklearn.cluster import HDBSCAN
from sklearn.datasets import load_digits
from sklearn.metrics import v_measure_score
X, true_labels = load_digits(return_X_y=True)
print(f"数字的数量：{len(np.unique(true_labels))}")
hdbscan = HDBSCAN(min_cluster_size=15).fit(X)
non_noisy_labels = hdbscan.labels_[hdbscan.labels_ != -1]
print(f"找到的聚类数量：{len(np.unique(non_noisy_labels))}")
print(v_measure_score(true_labels[hdbscan.labels_ != -1], non_noisy_labels))
输出结果：
数字的数量：10
找到的聚类数量：11
0.9694898472080092
preprocessing.TargetEncoder非常适合高基数的分类特征，它基于属于该类别的观测值的平均目标值的收缩估计来编码类别。更多细节，请参见用户指南。
import numpy as np
from sklearn.preprocessing import TargetEncoder
X = np.array([["cat"]*30 + ["dog"]*20 + ["snake"]*38], dtype=object)
y = [90.3]*30 + [20.4]*20 + [21.2]*38
enc = TargetEncoder(random_state=0)
X_trans = enc.fit_transform(X, y)
enc.encodings_[np.array([90.3, 20.4, 21.2])]
tree.DecisionTreeClassifier和tree.DecisionTreeRegressor现在支持缺失值。对于非缺失数据上的每个潜在阈值，分割器将评估将所有缺失值发送到左节点或右节点的分割。更多细节，请参阅用户指南或查看直方图梯度提升树中此功能的使用案例示例。
import numpy as np
from sklearn.tree import DecisionTreeClassifier
X = np.array([0, 1, 6, np.nan]).reshape(-1, 1)
y = [0, 0, 1, 1]
tree = DecisionTreeClassifier(random_state=0).fit(X, y)
tree.predict(X)
输出结果：
array([0, 0, 1, 1])
model_selection.ValidationCurveDisplay现在可用于绘制model_selection.validation_curve的结果。
from sklearn.datasets import make_classification
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import ValidationCurveDisplay
X, y = make_classification(1000, 10, random_state=0)
_ = ValidationCurveDisplay.from_estimator(LogisticRegression(), X, y, param_name="C", param_range=np.geomspace(1e-5, 1e3, num=9), score_type="both", score_name="Accuracy")
ensemble.HistGradientBoostingRegressor类现在通过loss="gamma"支持Gamma偏差损失函数。这个损失函数对于建模严格正的目标变量且具有右偏分布非常有用。
import numpy as np
from sklearn.model_selection import cross_val_score
from sklearn.datasets import make_low_rank_matrix
from sklearn.ensemble import HistGradientBoostingRegressor
n_samples, n_features = 500, 10
rng = np.random.RandomState(0)
X = make_low_rank_matrix(n_samples, n_features, random_state=rng)
coef = rng.uniform(low=-10, high=20, size=n_features)
y = rng.gamma(shape=2, scale=np.exp(X @ coef) / 2)
gbdt = HistGradientBoostingRegressor(loss="gamma")
cross_val_score(gbdt, X, y).mean()
输出结果：
np.float64(0.46858513287221654)
类似于preprocessing.OneHotEncoder，preprocessing.OrdinalEncoder类现在支持将不频繁的类别聚合到每个特征的单个输出中。启用收集不频繁类别的参数是min_frequency和max_categories。更多细节，请参见用户指南。
from sklearn.preprocessing import OrdinalEncoder
import numpy as np
X = np.array([["dog"]*5 + ["cat"]*20 + ["rabbit"]*10 + ["snake"]*3], dtype=object).T
enc = OrdinalEncoder(min_frequency=6).fit(X)
enc.infrequent_categories_[np.array(['dog', 'snake'], dtype=object)]