Scikit-learn 1.9 릴리스는 기존 머신러닝 모델에 대한 상당한 개선 사항을 제공합니다. 쉽게 관찰할 수 있는 개선 사항으로는 노트북에서 풍부해진 HTML 표시가 있으며, 이제 학습된 속성과 ColumnTransformer 출력 특성 이름을 보여줍니다. 새로운 실험적 콜백 메커니즘이 도입되어 모델 학습 중 진행률 표시줄 및 고급 모니터링을 허용합니다. 이 콜백 시스템은 병렬 컴퓨팅 환경에서도 진행 상황을 유연하게 추적하도록 설계되었습니다. 초기에는 로지스틱 회귀, GridSearchCV 객체, 파이프라인 및 StandardScaler에 콜백을 사용할 수 있습니다. 또한 릴리스는 통계 및 수치 개선에 중점을 두어 다양한 입력 및 모델링 선택에 걸쳐 scikit-learn 루틴의 신뢰성을 향상시킵니다. 트리 기반 모델은 이제 누락된 값 및 단조 제약 조건에 대한 네이티브 지원을 제공합니다. 선형 모델은 로지스틱 회귀의 float32 지원과 RidgeCV/ClassifierCV의 안정성 향상으로 이점을 얻습니다. Scikit-learn은 이제 진화하는 SciPy 관행에 맞춰 희소 행렬 대신 희소 배열을 반환합니다. GPU 지원이 확장되고 있으며, 로지스틱 회귀, 포아송 회귀 및 특정 메트릭이 GPU 가속을 얻고 있습니다. GPU 백엔드에 대한 사용자 경험은 아직 개발 중이지만, 기여자 참여를 위한 주요 영역을 제공합니다. Scikit-learn 프로젝트는 자원봉사자와 재정 후원자의 기여를 통해 번창합니다.