Scikit-learn: машинное обучение на Python
Scikit-learn: Machine Learning in Python
2012-01-02
SCID: 54.1/b4cxpvuh
Discuss with AI
согласованность APIScikit-learnмашинное обучение на Pythonупрощённая лицензия BSDконтролируемое и неконтролируемое обучение
Figures from the paper
Abstract (AI)
Scikit-learn — модуль для Python, объединяющий широкий спектр современных алгоритмов машинного обучения для задач среднего масштаба с учителем и без учителя. Пакет ориентирован на внедрение машинного обучения у неспециалистов с использованием общего высокоуровневого языка. Основное внимание уделяется простоте использования, производительности, документации и согласованности API. Модуль имеет минимальные зависимости и распространяется под упрощённой лицензией BSD, что способствует его применению в академической и коммерческой среде. Исходный код, бинарные файлы и документация доступны для загрузки на http://scikit-learn.org.
Key Findings
1
Приоритеты дизайна scikit-learn включают простоту использования, производительность, подробную документацию и согласованный API.
2
Scikit-learn имеет минимальные зависимости и распространяется под упрощённой лицензией BSD, что облегчает использование в академических и коммерческих целях.
3
Scikit-learn предоставляет модуль на Python, интегрирующий широкий набор современных алгоритмов машинного обучения для задач среднего масштаба (контролируемых и неконтролируемых).
4
Исходный код, бинарники и документация scikit-learn доступны публично по адресу http://scikit-learn.org.
5
Пакет разработан для облегчения доступа к машинному обучению неспециалистам посредством использования общего языка высокого уровня (Python).
Research Object
Библиотека машинного обучения Scikit-learn на Python
Research Subject
Интеграция и предоставление широкого набора современных алгоритмов контролируемого и неконтролируемого обучения для задач среднего масштаба с акцентом на простоту использования, производительность, документацию, согласованность API и минимальные зависимости
Publication Details
Publication Date
2012-01-02
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Работы, цитирующие эту статью10
Интерпретируемость моделей машинного обучения с использованием значений SHAP: применение к задаче классификации магматических пород2024
Новая эра в здравоохранении: интеграция искусственного интеллекта и микробиологии2024
Автоматизация обработки изображений с помощью алгоритмов машинного обучения в GRASS GIS с использованием встроенной библиотеки Scikit-Learn для Python2025
Классификация зашифрованного трафика на пропускной способности («line rate») в программируемых коммутаторах с использованием машинного обучения2024
Автоматическая реконструкция покрытий земли по историческим аэрофотоснимкам: оценка алгоритмов извлечения признаков и классификации2019
Машинное обучение и наука о данных в инженерии мягких материалов2017
Обрезка каналов для ускорения очень глубоких нейронных сетей2017
Почему я должен вам доверять?2016
Классификация субструктуры джетов в физике высоких энергий с использованием глубоких нейронных сетей2016
Машинное обучение и космологические симуляции — II. Гидродинамические симуляции2016