摘要：2025 年 9 月 9 日，Scikit-learn 官方宣布正式发布1.7.2版本。这一版本主要包含几个重要的Bug 修复，并且是首个支持 Python 3.14的版本。
2025 年 9 月 9 日，Scikit-learn 官方宣布正式发布 1.7.2 版本。
这一版本主要包含几个重要的 Bug 修复，并且是 首个支持 Python 3.14 的版本。
• 版本号：1.7.2
• 发布日期：2025 年 9 月 9 日
• 主要亮点：
• 修复：compose.TransformedTargetRegressor 在将目标变量进行转换后，现在会将维度保持与原目标相同，再传递给回归器。
此修复确保了在目标维度一致性方面的稳定性，避免了某些回归模型在输入维度不一致时出现错误。
• 修复：为 feature_extraction.FeatureHasher 和 feature_extraction.text.HashingVectorizer 设置了标签 requires_fit=False。
这意味着这两个类在使用时 无需显式调用 fit，可以直接进行数据转换，符合其无状态（stateless）特性。
• 修复：在 impute.SimpleImputer 使用 strategy="most_frequent" 策略时，如果数据中存在多个值并列为最高频率且数据类型为混合类型时，之前版本会出现 bug。
本次更新修复了该问题，确保此类情况下的插补结果正确。
• 修复：当在 linear_model.LogisticRegressionCV 或 linear_model.LogisticRegression 中使用 solver="newton-cholesky" 解决多分类问题，并且启用了 warm_start=True 时，如果 fit_intercept=True 或 penalty=None（即无正则化参数），原始的 warm start 提供的最后一类的系数和截距可能会被错误地覆盖为 0。
本次更新修复了该问题，确保 warm start 的参数能够正确保留和应用。
使用 pip 升级：
pip install -U scikit-learn使用 conda-forge 安装：
本次 scikit-learn 1.7.2 版本虽然是一次小版本更新，但包含了多个在日常开发中可能影响结果的关键 bug 修复，同时也是首个支持 Python 3.14 的版本。建议使用 scikit-learn 的开发者和数据科学从业者尽快升级，以获得更高的稳定性和兼容性。
我们相信人工智能为普通人提供了一种“增强工具”，并致力于分享全方位的AI知识。在这里，您可以找到最新的AI科普文章、工具评测、提升效率的秘籍以及行业洞察。
来源：阿之科技最前线