Scikit-learn är ett Python-bibliotek med öppen källkod för klassisk maskininlärning. Det erbjuder enhetliga verktyg för klassificering, regression, klustring, dimensionsreduktion, förbehandling av data och modellutvärdering, som korsvalidering. Byggt på NumPy och SciPy används det flitigt inom utbildning, forskning och praktik tack vare sitt enkla, enhetliga gränssnitt. För djupa neurala nätverk väljer man vanligtvis ramverk som PyTorch eller TensorFlow i stället.
pandas är ett Python-bibliotek med öppen källkod för analys och bearbetning av tabelldata, utvecklat från 2008 av Wes McKinney. Dess centrala objekt, DataFrame, liknar en tabell med namngivna kolumner. Med det kan man läsa in data från CSV-filer, Excel eller databaser och rensa, filtrera, gruppera och slå ihop dem. pandas bygger på NumPy och är ett standardverktyg för dataanalys, rapportering och förberedelse av träningsdata.
NumPy är det grundläggande Python-biblioteket med öppen källkod för numeriska beräkningar. Det tillhandahåller flerdimensionella matriser och snabba funktioner för linjär algebra, statistik och slumptal, med en kärna som körs i kompilerad kod. Många verktyg för dataanalys och maskininlärning, som pandas, scikit-learn och en mängd visualiseringsbibliotek, bygger på NumPy. Den som arbetar med data i Python använder det därför nästan alltid, direkt eller indirekt.
XGBoost (Extreme Gradient Boosting) är ett bibliotek med öppen källkod som implementerar gradient boosting med beslutsträd på ett särskilt effektivt sätt. Många små träd tränas efter varandra, där vart och ett rättar till föregångarnas fel, medan regularisering hjälper till att förebygga överanpassning. XGBoost anses vara ett beprövat val för tabelldata, till exempel vid kreditriskbedömning, förutsägelse av kundbortfall eller försäljningsprognoser.
Maskininlärning är en gren av artificiell intelligens där datorer härleder mönster ur data i stället för att varje regel programmeras explicit. Beroende på uppgift lär sig modellerna av annoterade exempel (övervakad inlärning), av oannoterade data (oövervakad inlärning) eller genom belöningar (förstärkningsinlärning). Tillämpningarna sträcker sig från skräppostfilter och efterfrågeprognoser till produktrekommendationer. Kvaliteten beror starkt på mängden och kvaliteten på träningsdata.
