Scikit-learn: машинное обучение на Python

Scikit-learn: Machine Learning in Python
PedregosaFabian, VaroquauxGaël, GramfortAlexandre, MichelVincent, ThirionBertrand, GriselOlivier, BlondelMathieu, PrettenhoferPeter, WeissRon, DubourgVincent, VanderplasJake, PassosAlexandre, CournapeauDavid, BrucherMatthieu, PerrotMatthieu, DuchesnayÉdouard
2011-11-01

машинное обучение на Pythonданные среднего масштабаscikit-learnобучение с учителемобучение без учителя
Scikit-learn — это модуль для Python, объединяющий широкий набор современных алгоритмов машинного обучения для задач среднего масштаба как с учителем, так и без него. Пакет ориентирован на распространение машинного обучения среди неспециалистов и предоставление переиспользуемых частей кода, применимых исследователями. Построенный на базе NumPy, SciPy и matplotlib, scikit-learn предлагает простые и эффективные инструменты для интеллектуального анализа данных и обработки данных. Он доступен для всех и пригоден для использования в различных контекстах, модульный и основан на известных библиотеках с открытым исходным кодом. Проект делает упор на аккуратный дизайн API, документацию и простоту использования для облегчения внедрения методов машинного обучения в практические приложения.
1
Scikit-learn — это модуль Python, который объединяет широкий набор современных алгоритмов машинного обучения для задач обучения с учителем и без учителя среднего масштаба.
2
Scikit-learn ориентирован на наборы данных среднего масштаба и разработан для взаимодействия с экосистемой научных вычислений Python.
3
Библиотека предоставляет как классические алгоритмы, так и инструменты, пригодные для производственных и исследовательских рабочих процессов в Python.
4
Пакет делает акцент на простоте использования, производительности, документации и согласованности API для быстрого экспериментирования и применения.

Модуль/пакет Python для машинного обучения Scikit-learn

Интеграция и предоставление широкого набора современных алгоритмов машинного обучения для задач среднего масштаба с обучением и без (supervised и unsupervised)

Publication Details
Publication Date
2011-11-01
Journal
Publisher
ISSN
Access Type
Author Information
Authors
PedregosaFabian
VaroquauxGaël
GramfortAlexandre
MichelVincent
ThirionBertrand
GriselOlivier
BlondelMathieu
PrettenhoferPeter
WeissRon
DubourgVincent
VanderplasJake
PassosAlexandre
CournapeauDavid
BrucherMatthieu
PerrotMatthieu
DuchesnayÉdouard
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%