Scikit-learn: машинное обучение на Python
Scikit-learn: Machine Learning in Python
2011-11-01
SCID: 54.1/2q89b5e3
Discuss with AI
машинное обучение на Pythonданные среднего масштабаscikit-learnобучение с учителемобучение без учителя
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
Модуль/пакет Python для машинного обучения Scikit-learn
Research Subject
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
Download PDF
Subscribe to digest
Работы, цитирующие эту статью5
Выбирай и комбинируй: подход к обучению на несбалансированных данных на основе GNN для обнаружения мошенничества2021
Ансамбль моделей глубокого обучения с ресэмплированием данных для обнаружения мошенничества с банковскими картами2023
Идентификация археологических объектов мелкого масштаба с использованием картографических и панорамных съёмок KH-9 HEXAGON: данные из Древнего города Лянчжу2024
Адаптивная идентификация зашифрованного трафика по отпечаткам с двунаправленной зависимостью2016
XGBoost2016