Algorithm support of key MLSPL 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

Kmeans

Y

Y

N

Y

SpectralClustering

Y

N

N

N

Xmeans

Y

Y

N

Y

Crossvalidation
Algorithm

fit

apply

partial fit

summary

Kfold cross validation

Y

N

N

N

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

Feedback submitted, thanks!