Sanasto

Scikit-learn

Mikä on Scikit-learn?

Scikit-learn on avoimen lähdekoodin Python-kirjasto klassiseen koneoppimiseen. Se tarjoaa yhtenäiset työkalut luokitteluun, regressioon, klusterointiin, ulottuvuuksien vähentämiseen, datan esikäsittelyyn ja mallien arviointiin, kuten ristiinvalidointiin. NumPyn ja SciPyn varaan rakennettuna sitä käytetään laajasti opetuksessa, tutkimuksessa ja käytännössä yksinkertaisen, yhtenäisen rajapintansa ansiosta. Syviin neuroverkkoihin valitaan yleensä sen sijaan kehyksiä, kuten PyTorch tai TensorFlow.

Aiheet

Python
kirjasto
koneoppiminen

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

pandas

pandas on avoimen lähdekoodin Python-kirjasto taulukkomuotoisen datan analysointiin ja muokkaamiseen, ja Wes McKinney on kehittänyt sitä vuodesta 2008 alkaen. Sen keskeinen objekti, DataFrame, muistuttaa taulukkoa, jossa on nimetyt sarakkeet. Sillä voi ladata dataa CSV-tiedostoista, Excelistä tai tietokannoista sekä puhdistaa, suodattaa, ryhmitellä ja yhdistää sitä. pandas rakentuu NumPyn varaan ja on vakiotyökalu data-analyysissa, raportoinnissa ja opetusdatan valmistelussa.

Python
data-analyysi
+1

NumPy

NumPy on Pythonin keskeinen avoimen lähdekoodin kirjasto numeeriseen laskentaan. Se tarjoaa monimuotoisia taulukoita sekä nopeita funktioita lineaarialgebraan, tilastotieteeseen ja satunnaislukuihin, ja sen ydin toimii käännetyllä koodilla. Monet data-analyysi- ja koneoppimistyökalut, kuten pandas, scikit-learn ja lukuisat visualisointikirjastot, rakentuvat NumPyn varaan. Datan parissa Pythonilla työskentelevä käyttää sitä siksi lähes aina, suoraan tai välillisesti.

Python
data-analyysi
+1

XGBoost

XGBoost (Extreme Gradient Boosting) on avoimen lähdekoodin kirjasto, joka toteuttaa päätöspuihin perustuvan gradienttitehostuksen erityisen tehokkaasti. Monia pieniä puita opetetaan peräkkäin, kukin korjaten edellisten virheitä, ja regularisointi auttaa estämään ylisovittumista. XGBoostia pidetään koeteltuna valintana taulukkomuotoiselle datalle, esimerkiksi luottoriskin pisteytyksessä, asiakaskadon ennustamisessa tai myyntiennusteissa.

Koneoppiminen
Boosting
+1

Koneoppiminen

Koneoppiminen on tekoälyn haara, jossa tietokoneet johtavat kuvioita datasta sen sijaan, että jokainen sääntö ohjelmoitaisiin erikseen. Tehtävästä riippuen mallit oppivat merkityistä esimerkeistä (ohjattu oppiminen), merkitsemättömästä datasta (ohjaamaton oppiminen) tai palkkioiden kautta (vahvistusoppiminen). Sovelluksia ovat roskapostisuodattimista ja kysyntäennusteista tuotesuosituksiin. Laatu riippuu vahvasti koulutusdatan määrästä ja laadusta.

perusteet
tekoäly
+1