Słownik pojęć

Scikit-learn

Czym jest Scikit-learn?

Scikit-learn to otwartoźródłowa biblioteka Pythona do klasycznego uczenia maszynowego. Udostępnia spójne narzędzia do klasyfikacji, regresji, klasteryzacji, redukcji wymiarowości, wstępnego przetwarzania danych i oceny modeli, na przykład walidacji krzyżowej. Zbudowana na NumPy i SciPy, dzięki prostemu, jednolitemu interfejsowi jest szeroko stosowana w edukacji, badaniach i praktyce. Do głębokich sieci neuronowych zwykle wybiera się natomiast frameworki takie jak PyTorch lub TensorFlow.

Tematy

Python
biblioteka
uczenie maszynowe

Wypróbuj KI.ordo

Agenci, przepływy i szablony w jednym obszarze roboczym – bezpłatne demo na 24 godziny.

Uruchom demo

← Wszystkie pojęcia

Powiązane pojęcia

pandas

pandas to otwartoźródłowa biblioteka Pythona do analizy i przetwarzania danych tabelarycznych, rozwijana od 2008 roku przez Wesa McKinneya. Jej centralny obiekt, DataFrame, przypomina tabelę z nazwanymi kolumnami. Umożliwia wczytywanie danych z plików CSV, Excela lub baz danych oraz ich czyszczenie, filtrowanie, grupowanie i łączenie. pandas opiera się na NumPy i jest standardowym narzędziem w analizie danych, raportowaniu i przygotowaniu danych treningowych.

Python
analiza danych
+1

NumPy

NumPy to podstawowa otwartoźródłowa biblioteka Pythona do obliczeń numerycznych. Udostępnia tablice wielowymiarowe oraz szybkie funkcje algebry liniowej, statystyki i liczb losowych, a jej rdzeń działa w skompilowanym kodzie. Na NumPy opiera się wiele narzędzi do analizy danych i uczenia maszynowego, takich jak pandas, scikit-learn i liczne biblioteki wizualizacji. Kto pracuje z danymi w Pythonie, korzysta z niej więc niemal zawsze, bezpośrednio lub pośrednio.

Python
analiza danych
+1

XGBoost

XGBoost (Extreme Gradient Boosting) to otwartoźródłowa biblioteka, która szczególnie efektywnie implementuje gradient boosting z drzewami decyzyjnymi. Wiele małych drzew jest trenowanych jedno po drugim, a każde koryguje błędy poprzednich, podczas gdy regularyzacja pomaga zapobiegać przeuczeniu. XGBoost uchodzi za sprawdzony wybór dla danych tabelarycznych, na przykład w ocenie ryzyka kredytowego, przewidywaniu rezygnacji klientów (churn) czy prognozowaniu sprzedaży.

Uczenie maszynowe
Boosting
+1

Uczenie maszynowe

Uczenie maszynowe to gałąź sztucznej inteligencji, w której komputery wyprowadzają wzorce z danych, zamiast mieć jawnie zaprogramowaną każdą regułę. W zależności od zadania modele uczą się na oznaczonych przykładach (nadzorowane), na danych nieoznaczonych (nienadzorowane) lub przez nagrody (ze wzmocnieniem). Zastosowania sięgają od filtrów spamu i prognoz popytu po rekomendacje produktów. Jakość silnie zależy od ilości i jakości danych treningowych.

podstawy
AI
+1