Γλωσσάριο

Scikit-learn

Τι είναι Scikit-learn;

Το Scikit-learn είναι μια βιβλιοθήκη Python ανοικτού κώδικα για κλασική μηχανική μάθηση. Παρέχει συνεπή εργαλεία για ταξινόμηση, παλινδρόμηση, ομαδοποίηση, μείωση διαστατικότητας, προεπεξεργασία δεδομένων και αξιολόγηση μοντέλων, όπως η διασταυρούμενη επικύρωση. Βασισμένο στα NumPy και SciPy, χρησιμοποιείται ευρέως στην εκπαίδευση, στην έρευνα και στην πράξη χάρη στην απλή, ενιαία διεπαφή του. Για βαθιά νευρωνικά δίκτυα συνήθως επιλέγονται πλαίσια όπως το PyTorch ή το TensorFlow.

Θέματα

Python
βιβλιοθήκη
μηχανική μάθηση

Δοκιμάστε το KI.ordo

Πράκτορες, ροές εργασιών και πρότυπα σε έναν χώρο εργασίας – δωρεάν επίδειξη 24 ωρών.

Έναρξη επίδειξης

← Όλοι οι όροι

Σχετικοί όροι

pandas

Το pandas είναι μια βιβλιοθήκη Python ανοικτού κώδικα για την ανάλυση και τον χειρισμό πινακοειδών δεδομένων, που αναπτύσσεται από το 2008 από τον Wes McKinney. Το κεντρικό αντικείμενό του, το DataFrame, μοιάζει με πίνακα με ονομασμένες στήλες. Με αυτό μπορείτε να φορτώνετε δεδομένα από αρχεία CSV, Excel ή βάσεις δεδομένων και να τα καθαρίζετε, να τα φιλτράρετε, να τα ομαδοποιείτε και να τα συγχωνεύετε. Το pandas βασίζεται στο NumPy και είναι τυπικό εργαλείο στην ανάλυση δεδομένων, στην αναφορά και στην προετοιμασία δεδομένων εκπαίδευσης.

Python
ανάλυση δεδομένων
+1

NumPy

Το NumPy είναι η θεμελιώδης βιβλιοθήκη Python ανοικτού κώδικα για αριθμητικούς υπολογισμούς. Παρέχει πολυδιάστατους πίνακες και γρήγορες συναρτήσεις για γραμμική άλγεβρα, στατιστική και τυχαίους αριθμούς, με τον πυρήνα της να εκτελείται σε μεταγλωττισμένο κώδικα. Πολλά εργαλεία ανάλυσης δεδομένων και μηχανικής μάθησης, όπως το pandas, το scikit-learn και πολυάριθμες βιβλιοθήκες οπτικοποίησης, βασίζονται στο NumPy. Όποιος εργάζεται με δεδομένα σε Python το χρησιμοποιεί σχεδόν πάντα, άμεσα ή έμμεσα.

Python
ανάλυση δεδομένων
+1

XGBoost

Το XGBoost (Extreme Gradient Boosting) είναι μια βιβλιοθήκη ανοικτού κώδικα που υλοποιεί την ενίσχυση κλίσης (gradient boosting) με δέντρα αποφάσεων με ιδιαίτερα αποδοτικό τρόπο. Πολλά μικρά δέντρα εκπαιδεύονται διαδοχικά, το καθένα διορθώνοντας τα σφάλματα των προηγουμένων, ενώ η κανονικοποίηση βοηθά στην αποφυγή υπερπροσαρμογής. Το XGBoost θεωρείται δοκιμασμένη επιλογή για πινακοειδή δεδομένα, για παράδειγμα στη βαθμολόγηση πιστωτικού κινδύνου, στην πρόβλεψη απώλειας πελατών ή στις προβλέψεις πωλήσεων.

Μηχανική μάθηση
Boosting
+1

Μηχανική μάθηση

Η μηχανική μάθηση είναι ένας κλάδος της τεχνητής νοημοσύνης στον οποίο οι υπολογιστές εξάγουν μοτίβα από δεδομένα αντί να προγραμματίζεται ρητά κάθε κανόνας. Ανάλογα με την εργασία, τα μοντέλα μαθαίνουν από επισημασμένα παραδείγματα (εποπτευόμενη), από μη επισημασμένα δεδομένα (μη εποπτευόμενη) ή μέσω ανταμοιβών (ενισχυτική). Οι εφαρμογές κυμαίνονται από φίλτρα ανεπιθύμητης αλληλογραφίας και προβλέψεις ζήτησης έως προτάσεις προϊόντων. Η ποιότητα εξαρτάται σε μεγάλο βαθμό από την ποσότητα και την ποιότητα των δεδομένων εκπαίδευσης.

βασικές έννοιες
ΤΝ
+1