Glossário

Scikit-learn

O que é Scikit-learn?

O Scikit-learn é uma biblioteca Python de código aberto para aprendizagem automática clássica. Disponibiliza ferramentas consistentes para classificação, regressão, clustering, redução de dimensionalidade, pré-processamento de dados e avaliação de modelos, como a validação cruzada. Assente no NumPy e no SciPy, é muito utilizado no ensino, na investigação e na prática graças à sua interface simples e uniforme. Para redes neuronais profundas, escolhem-se normalmente frameworks como o PyTorch ou o TensorFlow.

Temas

Python
biblioteca
machine learning

Experimentar o KI.ordo

Agentes, fluxos e modelos num só espaço de trabalho – demonstração gratuita de 24 horas.

Iniciar demonstração

← Todos os termos

Termos relacionados

pandas

O pandas é uma biblioteca Python de código aberto para analisar e manipular dados tabulares, desenvolvida a partir de 2008 por Wes McKinney. O seu objeto central, o DataFrame, assemelha-se a uma tabela com colunas nomeadas. Permite carregar dados de ficheiros CSV, Excel ou bases de dados e limpá-los, filtrá-los, agrupá-los e combiná-los. O pandas assenta no NumPy e é uma ferramenta padrão na análise de dados, na elaboração de relatórios e na preparação de dados de treino.

Python
análise de dados
+1

NumPy

O NumPy é a biblioteca Python fundamental de código aberto para cálculo numérico. Disponibiliza arrays multidimensionais e funções rápidas de álgebra linear, estatística e números aleatórios, com o núcleo a ser executado em código compilado. Muitas ferramentas de análise de dados e de aprendizagem automática, como o pandas, o scikit-learn e inúmeras bibliotecas de visualização, assentam no NumPy. Quem trabalha com dados em Python utiliza-o, por isso, quase sempre, direta ou indiretamente.

Python
análise de dados
+1

XGBoost

O XGBoost (Extreme Gradient Boosting) é uma biblioteca de código aberto que implementa o gradient boosting com árvores de decisão de forma particularmente eficiente. Muitas árvores pequenas são treinadas umas após outras, cada uma corrigindo os erros das anteriores, enquanto a regularização ajuda a evitar o sobreajuste. O XGBoost é considerado uma escolha comprovada para dados tabulares, por exemplo na pontuação de risco de crédito, na previsão de abandono de clientes ou na previsão de vendas.

Aprendizagem automática
Boosting
+1

Aprendizagem automática

O machine learning é um ramo da inteligência artificial em que os computadores deduzem padrões a partir de dados, em vez de cada regra ser programada explicitamente. Consoante a tarefa, os modelos aprendem com exemplos etiquetados (supervisionada), com dados não etiquetados (não supervisionada) ou através de recompensas (por reforço). As aplicações vão de filtros de spam e previsões de procura a recomendações de produtos. A qualidade depende muito da quantidade e da qualidade dos dados de treino.

fundamentos
IA
+1