Glossaire

Scikit-learn

Qu’est-ce que Scikit-learn ?

Scikit-learn est une bibliothèque Python open source dédiée à l'apprentissage automatique classique. Elle fournit des outils homogènes pour la classification, la régression, le clustering, la réduction de dimension, le prétraitement des données et l'évaluation des modèles, comme la validation croisée. Fondée sur NumPy et SciPy, elle est très utilisée dans l'enseignement, la recherche et la pratique grâce à son interface simple et cohérente. Pour les réseaux de neurones profonds, on lui préfère généralement PyTorch ou TensorFlow.

Thèmes

Python
bibliothèque
apprentissage automatique

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

pandas

pandas est une bibliothèque Python open source d’analyse et de manipulation de données tabulaires, développée à partir de 2008 par Wes McKinney. Son objet central, le DataFrame, ressemble à un tableau aux colonnes nommées. Elle permet d’importer des données depuis des fichiers CSV, Excel ou des bases de données, puis de les nettoyer, filtrer, regrouper et fusionner. pandas repose sur NumPy et constitue un outil standard d’analyse de données, de reporting et de préparation des données d’entraînement.

Python
analyse de données
+1

NumPy

NumPy est la bibliothèque Python open source de référence pour le calcul numérique. Elle fournit des tableaux multidimensionnels et des fonctions rapides d’algèbre linéaire, de statistique et de génération de nombres aléatoires, dont le cœur s’exécute en code compilé. De nombreux outils d’analyse de données et de machine learning, comme pandas, scikit-learn et beaucoup de bibliothèques de visualisation, reposent sur NumPy. Quiconque travaille avec des données en Python l’utilise donc presque toujours, directement ou non.

Python
analyse de données
+1

XGBoost

XGBoost (Extreme Gradient Boosting) est une bibliothèque open source qui met en œuvre de façon particulièrement efficace le gradient boosting avec des arbres de décision. De nombreux petits arbres sont entraînés successivement, chacun corrigeant les erreurs des précédents, tandis que la régularisation limite le surapprentissage. XGBoost est un choix éprouvé pour les données tabulaires, par exemple pour l'évaluation du risque de crédit, la prévision de l'attrition ou des ventes.

Machine learning
Boosting
+1

Apprentissage automatique

L’apprentissage automatique (machine learning) est une branche de l’intelligence artificielle dans laquelle les ordinateurs déduisent des régularités à partir de données au lieu de recevoir chaque règle explicitement programmée. Selon la tâche, les modèles apprennent à partir d’exemples étiquetés (supervisé), de données non étiquetées (non supervisé) ou par récompense (par renforcement). Les applications vont des filtres anti-spam aux prévisions de demande et aux recommandations de produits. La qualité dépend fortement du volume et de la qualité des données d’entraînement.

fondamentaux
IA
+1