Fogalomtár

Scikit-learn

Mi a(z) Scikit-learn?

A Scikit-learn egy nyílt forráskódú Python-könyvtár a klasszikus gépi tanuláshoz. Egységes eszközöket kínál osztályozáshoz, regresszióhoz, klaszterezéshez, dimenziócsökkentéshez, adat-előfeldolgozáshoz és modellértékeléshez, például keresztvalidációhoz. A NumPyra és a SciPyra épül, és egyszerű, egységes felületének köszönhetően széles körben használják az oktatásban, a kutatásban és a gyakorlatban. Mély neurális hálózatokhoz általában inkább a PyTorch vagy a TensorFlow keretrendszert választják.

Témák

Python
könyvtár
gépi tanulás

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

pandas

A pandas egy nyílt forráskódú Python-könyvtár táblázatos adatok elemzésére és kezelésére, amelyet 2008-tól Wes McKinney fejlesztett. Központi objektuma, a DataFrame, egy elnevezett oszlopokkal rendelkező táblázathoz hasonlít. Segítségével CSV-fájlokból, Excelből vagy adatbázisokból tölthetők be adatok, majd megtisztíthatók, szűrhetők, csoportosíthatók és egyesíthetők. A pandas a NumPyra épül, és az adatelemzés, a riportolás és a tanítóadatok előkészítésének szokásos eszköze.

Python
adatelemzés
+1

NumPy

A NumPy a numerikus számítások alapvető nyílt forráskódú Python-könyvtára. Többdimenziós tömböket és gyors függvényeket biztosít a lineáris algebrához, a statisztikához és a véletlenszámokhoz, a magja pedig lefordított kódban fut. Számos adatelemzési és gépi tanulási eszköz – például a pandas, a scikit-learn és számos vizualizációs könyvtár – a NumPyra épül. Aki Pythonban dolgozik adatokkal, szinte mindig használja, közvetlenül vagy közvetve.

Python
adatelemzés
+1

XGBoost

Az XGBoost (Extreme Gradient Boosting) nyílt forráskódú könyvtár, amely a döntési fákkal végzett gradiensnövelést (gradient boosting) különösen hatékonyan valósítja meg. Sok kis fát tanítanak egymás után, mindegyik kijavítja az előzők hibáit, miközben a regularizáció segít megelőzni a túlillesztést. Az XGBoost bevált választásnak számít táblázatos adatokhoz, például hitelkockázat-pontozásban, lemorzsolódás-előrejelzésben vagy értékesítési előrejelzésben.

Gépi tanulás
Boosting
+1

Gépi tanulás

A gépi tanulás a mesterséges intelligencia egyik ága, amelyben a számítógépek mintázatokat vezetnek le az adatokból ahelyett, hogy minden szabályt kifejezetten beprogramoznának. A feladattól függően a modellek címkézett példákból (felügyelt), címkézetlen adatokból (felügyelet nélküli) vagy jutalmakon keresztül (megerősítéses) tanulnak. Az alkalmazások a spamszűrőktől és kereslet-előrejelzésektől a termékajánlásokig terjednek. A minőség nagymértékben függ a tanítóadatok mennyiségétől és minőségétől.

alapok
MI
+1