Algorithm support of key ML-SPL commands quick reference

Use this quick reference to see which of the MLTK algorithms support the fit, apply, partial_fit, and summary commands. For additional details on each of these algorithms, see Algorithms in the Machine Learning Toolkit.

Anomaly Detection

Algorithm	fit	apply	partial fit	summary
DensityFunction	Y	Y	N	Y
LocalOutlierFactor	Y	N	N	N
OneClassSVM	Y	Y	N	N

Classifiers

Algorithm	fit	apply	partial fit	summary
BernoulliNB	Y	Y	Y	Y
DecisionTreeClassifier	Y	Y	N	Y
GaussianNB	Y	Y	Y	Y
GradientBoostingClassifier	Y	Y	N	Y
LogisticRegression	Y	Y	N	Y
MLPClassifier	Y	Y	Y	Y
RandomForestClassifier	Y	Y	N	Y
SGDClassifier	Y	Y	Y	Y
SVM	Y	Y	N	N

Clustering Algorithms

Algorithm	fit	apply	partial fit	summary
Birch	Y	Y	Y	N
DBSCAN	Y	N	N	N
K-means	Y	Y	N	Y
SpectralClustering	Y	N	N	N
X-means	Y	Y	N	Y

Cross-validation

Algorithm	fit	apply	partial fit	summary
K-fold cross validation	Y	N	N	N

Feature Extraction

Algorithm	fit	apply	partial fit	summary
FieldSelector	Y	Y	N	Y
HashingVectorizer	Y	N	N	N
ICA	Y	Y	N	N
KernelPCA	Y	Y	N	N
NPR	Y	Y	N	Y
PCA	Y	Y	N	Y
TFIDF	Y	Y	N	N

Preprocessing (Prepare Data)

Algorithm	fit	apply	partial fit	summary
Imputer	Y	Y	N	Y
RobustScaler	Y	Y	N	Y
StandardScaler	Y	Y	Y	Y

Regressors

Algorithm	fit	apply	partial fit	summary
DecisionTreeRegressor	Y	Y	N	Y
ElasticNet	Y	Y	N	Y
GradientBoostingRegressor	Y	Y	N	Y
KernelRidge	Y	Y	N	N
Lasso	Y	Y	N	Y
LinearRegression	Y	Y	N	Y
RandomForestRegressor	Y	Y	N	Y
Ridge	Y	Y	N	Y
SGDRegressor	Y	Y	Y	Y
System Identification	Y	Y	Y	Y

Time Series Analysis

Algorithm	fit	apply	partial fit	summary
ARIMA	Y	N	N	N
StateSpaceForecast	Y	Y	Y	Y

Utility Algorithms

Algorithm	fit	apply	partial fit	summary
ACF	Y	N	N	N
PACF	Y	N	N	N