forked from cnchi/HappyML
-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathReleaseLog.txt
174 lines (120 loc) · 10.6 KB
/
ReleaseLog.txt
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
[20230210-01] BUGFIX, NEW
* [BUGFIX] preprocessor.py
- 修正 feature_scaling() 函數，傳入 pandas.Series 而非 pandas.DataFrame 時，引發的錯誤訊息。原先沒有考慮到一維的 Series。目前改成一律用 pandas.DataFrame() 轉換函數，轉成 DataFrame 之後，再進行後續的處理步驟之方法解決。
* [NEW] regression.py
- 替 MultipleRegressor 增加一個屬性，叫做 .named_features。它可以用「欄位名稱」，傳回除了 "const" 以外的降維結果。如：['R&D Spend', 'Marketing Spend']。
[20230205-01] MODIFY, NEW
* [MODIFY] regression.py
- 修正引入的多元線性迴歸函式庫。
本來： import statsmodels.regression.linear_model as sm
後來： import statsmodels.api as sm
* [NEW] regression.py
- 替 class MultipleRegressor 增加「自動增加常數項」的功能。包含：
1. 新增 add_constant(self, exog)，全自動判斷是否已經加了常數項。
2. 在 backward_elimination(), fit(), predict() 一開頭，都先呼叫 add_constant()，確保有常數項。
- 新增針對 X_train, X_test 自動切片功能。
1. 若有做過 backward_elimination()，則 __features 存在，先切片再擬合、預測。
2. 若沒做過 backward_elimination()，則 __features 不存在，代表不需降維。直接擬合、預測。
[20210606-01] BUGFIX
* [BUGFIX] criteria.py
- 修正叫用 criteria.AssumptionChecker.features_correlation() 時，若 heatmap=True，用 Seaborn 畫出來的 Heapmap，會跟其它圖形重疊在一起的問題。這是因為用 sns.heatmap(data=corr, annot=True) 之後，沒有馬上使用 plt.show()，導致繪製好的熱區圖，一直停留在記憶體中。如果後續還有繪製其它圖形，就會疊加在 Seaborn 留在記憶體中的熱區圖上面。目前已經在 sns.heatmap(data=corr, annot=True) 後方，添加了一道 plt.show()，強迫 Seaborn 把繪製好的熱區圖（Heatmap），馬上從記憶體輸出到螢幕上。所以，此一現象已經不會再發生了。
[20210603-01] BUGFIX
* [BUGFIX] model_drawer.py
- 修正呼叫 sample_model()、classify_result()、cluster_drawer() 時，如果 title= 裡面的文字並未用使用中文，也就是沒有指定 font= 參數、放任它使用預設值時，會出現「findfont: Font family ['sans-serif'] not found. Falling back to DejaVu Sans」這個警告訊息之問題。這是因為原先 font= 的預設值是 font="Arial Unicode MS"。如果程式師呼叫 sample_model()、classify_result()、cluster_drawer() 三函數時，沒有特意指定 font= 的值，放任它使用預設值，而使用人的電腦內，又沒有 "Arial Unicode MS" 這個字型時，就會發出「findfont: Font family ['sans-serif'] not found. Falling back to DejaVu Sans」這個警告訊息。目前已經將 font= 的預設值，改成 font="" 了。
[20210526-01] BUGFIX
* [BUGFIX] preprocessor.py
- 修正呼叫 preprocessor.PCASelector.fit() 時，不論指定 verbose=True 或 verbose=False，出來的訊息都一樣之問題。除了修正一個 verbose=True 的邏輯錯誤外，也大量添加當 verbose=True 時，秀出來的訊息。這次 verbose=True 添加的訊息包括 (1) 秀出每個 PCA 元素，所涵蓋的資訊量 (2) 秀出挑選幾個 PCA 元素後，累加的資訊量會有多少。
[20210519-01] MODIFY, BUGFIX
* [MODIFY] preprocessor.py
- 將 KBestSelector.fit() 裡面的 auto=False 參數移除。移除原因為該參數已經不再具備任何作用。早在 2019 年的版本，就已經使用 KBestSelector.__init__() 裡面的 best_k="auto" 取代之了。
* [BUGFIX] preprocessor.py
- 當 KBestSelector.__init__() 內的 best_k ≠ "auto" 的情況下，就算將 KBestSelector.fit() 裡面的 verbose=True，也會看不到 KBestSelector.fit() 逐步計算過程。這個問題是出自於程式邏輯考慮不周。原版所有 verbose=True 的機制，全部都內縮於 "auto" 之下。所以只有在 best_k="auto" 時，指定 verbose=True 才會有用。目前已經將整個 KBestSelector.fit() 裡面，與 verbose 有關的邏輯全部重新改寫，不會再出現這個現象了。
* [BUGFIX] performance.py
- 呼叫 performance.GridSearch() 建構函數時，會出現 "無效的 iid= 參數" 錯誤訊息。這是因為 performance.GridSearch() 建構函數裡面會呼叫 sklearn.model_selection.GridSearchCV()。原本呼叫 GridSearchCV() 時，需要一個 iid= 參數。後來在 sklearn 新版中，已經將 GridSearchCV() 裡面的 iid= 參數拿掉了。所以才會出現 "無效的 iid= 參數" 這個錯誤訊息。目前我已經將 performance.GridSearch() 建構函數裡面，GridSearchCV() 的 iid= 參數拿掉了。
[20200803-01] NEW
* [NEW] model_drawer.py
- 新增 show_first_n_images() 函數。它可以讓你在做「卷積神經網路」時，秀出前 N 張圖形。藉以驗證圖形載入後，處於沒問題可用的狀態。
* [NEW] neural_networks.py
- 新增 create_seq_model() 函數。讓你用一個函數，就能做到神經網路序列模型中，繁複的隱藏層添加任務。
[20200726-01] NEW
* [NEW] model_drawer.py
- 為了神經網路做完之後圖形繪製的方便，新增一個 epochs_metrics_plot() 函數。它可以繪製出「訓練集 vs. 驗證集」的效能差異，藉以看出是否過擬合。
[20191012-01] MODIFY
* [MODIFY] preprocessor.py, missing_data()
- 加上一個條件判斷： if (type(dataset) is pd.DataFrame) and (sum(dataset.isnull().sum()) > 0)。用來判斷是否為 DataFrame，以及是否需要缺失資料補遺。
- 使用 missing_cols = [i for i, j in enumerate(dataset.isnull().any()) if j]，自動判斷缺失欄位。不必使用者告知缺失欄位是哪幾個。
- 因為有自動判斷缺失欄位，所以就算沒有缺失欄位，也可以呼叫。並不會造成任何「無缺失」欄位的任何改變。
[20190918-01] BUGFIX
* [BUGFIX] regression.py Line# 35
- 原本使用 import statsmodels.formula.api as sm 匯入的套件，現在要改成 import statsmodels.regression.linear_model as sm 這樣才能匯入。
[20190826-01] BUBFIX & MODIFY & NEW
* [BUGFIX] preprocessor.missing_data(ary, strategy="mean")
- 原先版本還保留使用 NDArray 的樣子。目前已經修正成使用 DataFrame 的版本了。
* [MODIFY] preprocessor.decomposition(dataset, x_columns, y_columns=[])
- 原本 y_columns 是個「必傳」的參數。因為「集群（Clustering）」問題，只有自變數，沒有應變數，因此修改成 y_columns=[]。
- 當你不提供 y_columns 時，它會使用預設值 []，導致不會回傳任何應變數（集群問題沒有任何應變數）。
* [NEW] clustering.KMeansCluster
- 新增 KMeansCluster 類別，實作 K-Means 集群演算法。
* [NEW] model_drawer.cluster_drawer(x, y, centroids, title="", font='Arial Unicode MS')
- 可以用來將集群結果視覺化的函數。
- x: DataFrame, 只能有兩個 Features。y: DataFrame, 集群預設結果。centroids: 各集群的中心點。
* [NEW] preprocessor.combine(dataset, y_pred)
- 可以將 y_pred 的答案，附加到 dataset 尾部
- 適合用於集群分析取得答案後，黏到 dataset 的尾部。
[20190817-01] BUGFIX & NEW
* [BUGFIX] model_drawer
- 該模組內有一個函數，叫做 tree_drawer（），需要 import pydotplus 後才能運作。
- 而 pydotplus 是需要 pip install pydotplus 之後，才有辦法使用的。
- 當使用者 from robert.model_drawer import <tree_drawer() 以外的函數>，且沒有安裝 pydotplus 時，系統會發出 ImportError 說：「無法引入 pydotplut」。
- 加上下列機制，讓使用者沒有安裝 pydotplus，也可以引用 robert.model_drawer 裡 tree_drawer() 以外的其它函數。
try:
import pydotplus
except ImportError:
pass
* [BUGFIX] preprocessor.feature_scaling(fit_ary, transform_arys=None)
- 當 transform_arys 只有一個時，使用者容易寫成 pp.feature_scaling(fit_ary=X, transform_arys=X)
- 但 transform_arys 程式內部就直接把它當成 tuple 了。所以使用者如上述方法叫用，會失敗。
- 正確叫法應該是 pp.feature_scaling(fit_ary=X, transform_arys=(X,))。別忘了單一元素的 tuple 要寫成 (X,)
- 為了讓使用者自由使用 Tuple 與單一元素。程式碼改成這樣：
if type(transform_arys) is tuple:
return (pd.DataFrame(scaler.transform(ary.astype("float64")), index=ary.index, columns=ary.columns) for ary in transform_arys)
else:
return pd.DataFrame(scaler.transform(transform_arys.astype("float64")), index=transform_arys.index, columns=transform_arys.columns)
- 如此一來，使用者也可以用 pp.feature_scaling(fit_ary=X, transform_arys=X) 這種方法叫用了。
* [BUGFIX] preprocessor.KBestSelector
- 當有人這麼寫的時候：
selector = KBestSelector(best_k=2)
X = selector.fit(x_ary=X, y_ary=Y, auto=True, verbose=True, sort=True).transform(x_ary=X)
- 會因為 auto=True，導致 best_k=2 失效。所以改成KBestSelector(best_k=??) best_k= "auto" | <整數> 的寫法
if type(best_k) is int:
self.__strategy = "fixed"
self.best_k = best_k
else:
self.__strategy = "auto"
self.best_k = 1
- 而 KBestSelector.fit(x_ary=X, y_ary=Y, auto=True, verbose=True, sort=True) 中的 auto=True/False 目前保留但不作用。將在下一版移除。
* [BUGFIX] performance.KFoldClassificationPerformance
- 每次 K 折運算時，只要某一折內，不含特定應變數 Y 的某種答案，就會發出以下警告訊號：
Warning: The least populated class in y has only 5 members, which is too few.
UndefinedMetricWarning: F-score is ill-defined and being set to 0.0 in labels with no predicted samples
- 加上這個選項，讓 Warning 不再出現。只有 Error 才出現：
import warnings
warnings.filterwarnings('ignore')
* [NEW] preprocessor.PCASelector
- 新增 PCASelector 類別，實作以 PCA 將特性（Features）降維
[20190813-01] MODIFY & NEW
* [MODIFY] preprocessor.label_encoder(ary, mapping=False)
- 新增一個參數 mapping=False
- 當 mapping=True 時，會傳回來兩個值
(1) LabelEncode 過的 DataFrame 陣列
(2) 對應字典。如 {0:"Yes", 1:"No"}，就是把 Yes 編碼為 0，No 編碼為 "1"
* [MODIFY] preprocessor.onehot_encoder(ary, columns=[], remove_trap=False)
- 新增一個參數 remove_trap=False
- 當 remove_trap=True 時，會自動移除 One Hot Encoder 後的一欄，以去除自變數共線性。
- 會自動保持原來的欄位順序。不會因為執行 One Hot Encoder，而改變欄位順序。
* [NEW] classification.DecisionTree
- 新增 DecisionTree 類別，實作 Decision Tree。
* [NEW] classification.RandomForest
- 新增 RandomForest 類別，實作 Random Forest
* [NEW] model_drawer.tree_drawer()
- 新增 tree_drawer()，以繪製 Decision Tree 的分類結果。