Речник

Scikit-learn

Какво е Scikit-learn?

Scikit-learn е библиотека за Python с отворен код за класическо машинно обучение. Тя предоставя последователни инструменти за класификация, регресия, клъстеризация, намаляване на размерността, предварителна обработка на данни и оценка на модели, например кръстосана валидация. Изградена върху NumPy и SciPy, тя се използва широко в обучението, научните изследвания и практиката благодарение на простия си и единен интерфейс. За дълбоки невронни мрежи обикновено се избират фреймуърци като PyTorch или TensorFlow.

Теми

Python
библиотека
машинно обучение

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

pandas

pandas е библиотека за Python с отворен код за анализ и обработка на таблични данни, разработвана от 2008 г. от Уес Маккини. Централният ѝ обект, DataFrame, наподобява таблица с именувани колони. С нея могат да се зареждат данни от CSV файлове, Excel или бази данни и да се почистват, филтрират, групират и обединяват. pandas е изградена върху NumPy и е стандартен инструмент в анализа на данни, отчитането и подготовката на данни за обучение.

Python
анализ на данни
+1

NumPy

NumPy е основната библиотека за Python с отворен код за числени изчисления. Тя предоставя многомерни масиви и бързи функции за линейна алгебра, статистика и случайни числа, като ядрото ѝ работи в компилиран код. Много инструменти за анализ на данни и машинно обучение, като pandas, scikit-learn и множество библиотеки за визуализация, са изградени върху NumPy. Затова всеки, който работи с данни в Python, почти винаги я използва, пряко или косвено.

Python
анализ на данни
+1

XGBoost

XGBoost (Extreme Gradient Boosting) е библиотека с отворен код, която реализира градиентния бустинг с дървета на решенията особено ефективно. Много малки дървета се обучават едно след друго, като всяко коригира грешките на предишните, а регуляризацията помага да се предотврати свръхнагласяне. XGBoost се смята за доказан избор за таблични данни, например при оценка на кредитния риск, прогнозиране на отпадането на клиенти или прогнозиране на продажби.

Машинно обучение
Boosting
+1

Машинно обучение

Машинното обучение е дял от изкуствения интелект, при който компютрите извеждат закономерности от данни, вместо всяко правило да бъде изрично програмирано. В зависимост от задачата моделите се учат от анотирани примери (с надзор), от неанотирани данни (без надзор) или чрез награди (с подкрепление). Приложенията вариират от спам филтри и прогнози за търсенето до препоръки за продукти. Качеството зависи силно от количеството и качеството на обучителните данни.

основи
ИИ
+1