SCIKIT-LEARN LÀ GÌ

  -  

Nếu nhiều người đang thực hiện Pythanh mảnh với đang mong mỏi tìm một thư viện mạnh khỏe mà bạn có thể với các thuật toán học tập sản phẩm (machine learning) vào vào một hệ thống thì không còn thỏng viện như thế nào tương thích hơn scikit-learn.Thỏng viện này tích phù hợp rất nhiều thuật toán hiện đại với núm điển giúp bạn vừa học vừa tiến hành giới thiệu những chiến thuật có lợi mang lại bài bác toán thù của khách hàng một phương pháp đơn giản.

Bạn đang xem: Scikit-learn là gì

Sau bài viết này, bạn sẽ tất cả một mắt nhìn tổng quan tiền về thỏng viện scikit-learn với trình làng cho bạn đều tư liệu hoàn toàn có thể học tập thêm.

Thỏng viện này được xuất hiện như vậy nào?

Scikit-learn thuở đầu được khuyến cáo vì David Cournapeau vào một dự án công trình ngày hè của Google vào năm 2007.

Later Matthieu Brucher tmê mẩn gia dự án công trình bên trên với ban đầu thực hiện nó có tác dụng một trong những phần luận vnạp năng lượng TS của ông ấy. Vào năm 2010, INRIA bước đầu tài trợ cùng phiên bản thứ nhất được xuất phiên bản (v0.1 beta) vào thời điểm cuối tháng một năm 2010.

Dự án vẫn đang rất được phân tích vì một đội nhóm ngũ rộng 30 công ty nghiên cứu và phân tích đến từ những công ty lớn INRIA, Google, Tinyclues với Pythanh mảnh Software Foundation.


*

Scikit-learn là gì?

Scikit-learn (Sklearn) là tlỗi viện trẻ khỏe tốt nhất dành cho các thuật toán học tập lắp thêm được viết trên ngữ điệu Python. Thỏng viện cung cấp một tập những lao lý cách xử trí những bài xích tân oán machine learning cùng statistical modeling gồm: classification, regression, clustering, và dimensionality reduction.

Thư viện được cấp giấy phép bạn dạng quyền chuẩn FreeBSD cùng chạy được trên những nền tảng gốc rễ Linux. Scikit-learn được sử dụng nlỗi một tư liệu nhằm tiếp thu kiến thức.

Để thiết đặt scikit-learn trước tiên đề xuất thiết lập tlỗi viện SciPy (Scientific Python). Những thành phần gồm:

SciPy: Gói những hàm tính toán lô ghích khoa họcIPython: Notebook dùng làm ảnh hưởng trực quan tiền với PythonSymPy: Gói tlỗi viện các kí tự toán học

Những thư viện mở rộng của SciPy thường xuyên chọn cái tên dạng SciKits. Nlỗi tlỗi viện này là gói các lớp, hàm áp dụng trong thuật toán học thiết bị thì được đặt tên là scikit-learn.

Scikit-learn cung cấp khỏe khoắn trong câu hỏi chế tạo những sản phẩm. Nghĩa là thư viện này tập trung sâu vào vấn đề thi công các yếu tố: dễ sử dụng, dễ dàng code, dễ xem thêm, dễ dàng làm việc, kết quả cao.

Mặc dù được viết đến Pynhỏ nhắn tuy nhiên thực ra các thư viện nền tảng gốc rễ của scikit-learn lại được viết bên dưới những tlỗi viện của C để tăng hiệu suất thao tác. ví dụ như như: Numpy(Tính toán thù ma trận), LAPACK, LibSVM với Cybé.

Nhóm thuật toán


Thư viện triệu tập vào bài toán quy mô hóa tài liệu. Nó không tập trung vào Việc truyền thiết lập tài liệu, biến hóa giỏi tổng đúng theo dữ liệu. Những công việc này dành cho thỏng viện Numpy cùng Pandas.
*

Hình trên rước từ 1 phiên bản test của thuật toán thù phân cụm

Sau đâu là một vài đội thuật toán thù được thành lập bởi vì tlỗi viện scikit-learn:

Clustering: Nhóm thuật toán Phân cụm dữ liệu không gán nhãn. lấy một ví dụ thuật toán thù KMeansCross Validation: Kiểm thử chéo, reviews độ hiệu quả của thuật toán thù học tập đo lường sử dụng tài liệu kiểm test (validation data) vào quá trình huấn luyện và đào tạo mô hình.Datasets: Gồm team các Sở tài liệu được tích hợp sẵn vào tlỗi viện. Đa số các cỗ dữ liệu mọi đã làm được chuẩn hóa với mang đến hiêu suất cao trong quy trình giảng dạy nlỗi iris, digit, ...Dimensionality Reduction: Mục đích của thuật tân oán này là nhằm Giảm số lượng thuộc tínhđặc biệt của dữ liệu bởi các cách thức như tổng phù hợp, màn biểu diễn tài liệu cùng tuyển lựa đặc trưng. lấy một ví dụ thuật toán thù PCA (Principal component analysis).Ensemble methods: Các Phương pháp tập hợp áp dụng các thuật toán thù học hành để sở hữu được năng suất dự đoán thù xuất sắc hơn đối với bất kỳ thuật tân oán học cấu thành làm sao.Feature extraction: Trích xuất đặc trưng. Mục đích là để tư tưởng các nằm trong tình cùng với tài liệu hình hình họa với tài liệu ngôn từ.Feature selection: Trích lựa chọn đặc trưng. Lựa chọn những đặc thù có ý nghĩa trong vấn đề đào tạo quy mô học tập tính toán.Parameter Tuning: Tinc chỉnh tđê mê số. Các thuật toán thù ship hàng Việc chọn lựa tmê mẩn số cân xứng để về tối ưu hóa quy mô.

Xem thêm: Vốn Chủ Sở Hữu Tăng Chứng Tỏ Điều Gì ? Ý Nghĩa Đầy Đủ Nhất Của Vốn Chủ Sở Hữu

Manifold Learning: Các thuật toán thù học tổng thích hợp với Phân tích tài liệu nhiều chiều phức tạp.Supervised Models: Học đo lường và tính toán. Mảng bự những thuật tân oán học đồ vật hiện nay. lấy một ví dụ nhưlinear models, discriminate analysis, naive bayes, lazy methods, neural networks, support vector machines và decision trees.

Chúng ta đi tìm đọc một ví dụ rõ ràng sau

Ví dụ: Cây phân các loại cùng hồi quy (Classification và Regression Trees)

Tôi ước ao cho chính mình một ví dụ nhằm cho bạn thấy câu hỏi áp dụng tlỗi viện thuận lợi như thế nào.

Tại ví dụ sau, họ thực hiện cây quyết định Decision treephân loại nhằm quy mô hóa bộ dữ liệu hoa Iris.

Sở tài liệu này được cung ứng bên dưới dạng tập dữ liệu mẫu mã với thư viện và được tải.Trình phân nhiều loại tương xứng với tài liệu và tiếp đến dự đoán được triển khai trên tài liệu huấn luyện và đào tạo.

Bộ dữ liệu này được hỗ trợ bên dưới dạng tập dữ liệu mẫu mã ngay lập tức vào thỏng viện sau đó được mua xuống. Thuật tân oán phân loại ban đầu đào tạo và giảng dạy mô hình cùng với bộ dữ liệu Iris ban sơ kế tiếp dự đoán thù lại các dữ liệu huấn luyện.

Cuối cùng, chúng ta review độ giỏi của quy mô bằng quan liền kề accuracy với confusion matrix của 2 tập nhãn thực tế cùng nhãn dự đoán thù của mô hình.

# Sample Decision Tree Classifierfrom sklearn import datasetsfrom sklearn import metricsfrom sklearn.tree import DecisionTreeClassifier# load the iris datasetsdatamix = datasets.load_iris()# fit a CART Model to the datamodel = DecisionTreeClassifier()mã sản phẩm.fit(dataphối.data, datamix.target)print(model)# make predictionsexpected = datamix.targetpredicted = Model.predict(datamix.data)# summarize the fit of the modelprint(metrics.classification_report(expected, predicted))print(metrics.confusion_matrix(expected, predicted))Chạy ví dụ trên được tác dụng như sau. quý khách hàng hoàn toàn có thể thấy cụ thể mô hình cây phân một số loại được đào tạo cùng với các tsi mê số chi tiết thế nào, từng tsi mê số ảnh hưởng không hề nhỏ tới câu hỏi mô hình gồm xuất sắc hay là không. Phía bên dưới là classification report và confusion matrix của quy mô.

DecisionTreeClassifier(class_weight=None, criterion="gini", max_depth=None, max_features=None, max_leaf_nodes=None, min_samples_leaf=1, min_samples_split=2, min_weight_fraction_leaf=0.0, presort=False, random_state=None, splitter="best") precision reĐiện thoại tư vấn f1-score tư vấn 0 1.00 1.00 1.00 50 1 1.00 1.00 1.00 50 2 1.00 1.00 1.00 50 avg / total 1.00 1.00 1.00 150 <<50 0 0> < 0 50 0> < 0 0 50>>
Bạn có thể kiếm tìm thấy tại đây list một loạt các công ty lớn, uy tín áp dụng tlỗi viện làm nền tảng cải cách và phát triển công nghệ của mình. Ví dụ như J.P..Morgan, Hugging Face, Betaworks, Spotify, Inria, Mendeley, wise.io, Evernote, Telecom ParisTech, AWeber,... Hình như còn có hàng ngàn tổ chức lớn hơn sử dụng technology này.

Thư viện tất cả phạm vi áp dụng rộng, hầu như bạn dạng sản xuất phần đông được nghiên cứu cai quản nghiêm ngặt vì thế nó cân xứng áp dụng cho tất cả các dự án công trình Prototype và Production.

Nguồn tham khảo

Bạn có thể vàoScikit-Learn nhằm bài viết liên quan,lấy mã nguồn từGithubvà kiếm tìm tìm những phiên bạn dạng trênSourceforge.

Hướng dẫn

Với người bắt đầu bước đầu, tôi khulặng bạn nên ban đầu với gợi ý cơ bạn dạng rồi cho hiểu các thuật toán rõ ràng và những thuật tân oán liên quan để tổng đúng theo kỹ năng và kiến thức cùng chạy lại những ví dụ để phát âm không thiếu, khối hệ thống một bài xích toán.

Học vật dụng thực thất là ngành nghiên cứu về dữ liệu béo, toán thù học tập đại cương cứng, Xác Suất thống kê nên lúc tiếp cận ko được nhanh lẹ nhưng mà buộc phải hiểu cặn kẽ từng điều tỉ mỷ rồi từ đó new tự chế tạo quy mô tự nhỏ xíu mang lại to chuyển động công dụng cho từng bài bác toán thù rõ ràng. Cuối cùng, các bạn bắt đầu hoàn toàn có thể ttê mê gia một dự án công trình học bự với cùng một khối lượng các bước buộc phải sự bền chí cùng năng lực tính toán cao.

Scikit-learn là một thỏng viện cho nên tư liệu lý giải triển khai chúng là khôn cùng quan trọng để bạn kết thúc công việc.

Tài liệu nghiên cứu

khi chúng ta tìm hiểu bài toán làm một dự án công trình hay như là muốn gồm một góc nhìn rộng lớn hơn về các bài xích toán học sản phẩm. quý khách buộc phải tđam mê gia nghiên cứu và phân tích cùng gọi các tài liệu khoa học. Tại phía trên, mọi bài bác báo không giống nhau về và một chủ đề đang cho chính mình năng lực bao quát vụ việc trường đoản cú đó tổng phù hợp, đọc sâu hơn về học tập sản phẩm.

Sách tsay mê khảo

Nếu bạn cần một cuốn sách nâng cao tổng vừa lòng, tôi ra mắt bạn cuốn thứ hai. Cuốn sách nêu ra phương thức xuất bản một khối hệ thống học đồ vật tỷ mỉ. Những ví dụ đưa ra nlắp gọn, cơ phiên bản, dễ dàng nắm bắt. Cuốn nắn sách viết quyên tâm vào desgin các quy mô buộc phải kỹ năng tổng thích hợp cao phù hợp mang lại đối tượng đã gồm kỹ năng nền về học sản phẩm với ao ước thiết kế hệ thống học sản phẩm công nghệ tối ưu với Pybé nhỏ cùng thỏng viện Scikit-learn.

Xem thêm: Nghĩa Của Từ Demand Đi Với Giới Từ Gì, Nghĩa Của Từ Demand, Ride Pingo To Transit

Tạm kết

Trên đây, một góc nhìn tổng quan về tlỗi viện scikit-learn cùng giới thiệu cho chính mình những mối cung cấp tư liệu chuẩn chỉnh cùng những cuốn sách tham khảo nhằm những chúng ta cũng có thể học tập cũng tương tự nghiên cứu và phân tích sâu hơn. Chúc chúng ta thành công.