Vue d'ensemble
Scikit-learn 1.5, publié le 26 juin 2024, ajoute le support de l'Array API pour exécuter les estimateurs sur différents backends (NumPy, CuPy, PyTorch) et stabilise TargetEncoder.
Fonctionnalités principales
Support Array API
Les estimateurs compatibles acceptent désormais des tableaux conformes au standard Array API, permettant l'exécution transparente sur GPU via CuPy ou PyTorch tensors.
python
import sklearn
sklearn.set_config(array_api_dispatch=True)
from sklearn.preprocessing import StandardScaler
import numpy as np
X = np.array([[1, 2], [3, 4], [5, 6]], dtype=np.float64)
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
print(X_scaled)TargetEncoder stabilisé
TargetEncoder encode les variables catégorielles en fonction de la variable cible, avec régularisation pour éviter le surapprentissage.
python
from sklearn.preprocessing import TargetEncoder
import numpy as np
X = np.array([['chat'], ['chien'], ['chat'], ['oiseau']])
y = np.array([0.9, 0.1, 0.8, 0.5])
enc = TargetEncoder(smooth='auto')
X_enc = enc.fit_transform(X, y)
print(X_enc)