• ورود
  • هیچ محصولی در سبد خرید نیست.

کتابخانه scikit-learn

چرا sklearn

کتابخانه scikit-learn به احتمال زیاد یکی از مفیدترین کتابخانه ها برای یادگیری ماشین در پایتون است. کتابخانه sklearn شامل ابزارهای کارآمدزیادی برای یادگیری ماشین و مدل سازی آماری از جمله خوشه بندی، طبقه بندی، رگراسیون، کاهش ابعاد می باشد.

sklearn یک ابزار ساده اما موثر در داده کاوی و آنالیز داده ها است. می تواند برای اهداف تجاری و شخصی استفاده شود.

تاریخچه کتابخانه

این کتابخانه توسط David Cournapeau در شرکت Google به عنوان یک پروژه کدگذاری در سال ۲۰۰۷ آغاز شد. بعدا Matthieu Brucher نیز به این پروژه پیوست.

scikit-learn

این کتابخانه شامل موارد زیر است:

  • NumPy
  • Matplotlib
  • pandas
  • SciPy (Scientific Python)

نحوه نصب کتابخانه :

برای نصب این کتابخانه می توانید به این صفحه مراجعه کنید.

لیست الگوریتم هایی که با کتابخانه sklearn پشتیبانی می شوند

رگراسیون : Linear Regression و Logistic Regression

طبقه بندی : K-Nearest Neighbors

خوشه بندی : K-Means و ++K-Means

پیش پردازش: نرمال سازی Min-Max

انتخاب مدل

مزایای sklearn:

  • scikit-learn مجموعه ای از ابزارهای کاملا مفید برای تقسیم داده ها، محاسبه آمارهای رایج و حتی انجام عملیات ماتریس را فراهم می کند.
  • دارای مستندات بسیار خوب است که معمولا شامل API می شود.
  • به خوبی با Numpy ادغام می شود.
  • نصب و یادگیری و استفاده راحت و آسان
  • پشتیبانی به روز و گسترده توسط توسعه دهندگان بین المللی
  • کتابخانه خوب پایتون در یادگیری ماشین است.

معایب sklearn:

  • مدل API ارایه شده انعطاف پذیری زیادی ندارد.بعضی از مدل ها مثل جنگل تصادفی پیاده سازی غیر استاندارد و یا تحریک پذیر دارند.
  • scikit-learn از شتاب سخت افزاری استفاده نمی کند. به همین دلیل در بعضی مواقع به ویژه مدل آموزشی کند است.
  • یادگیری عمیق را پشتیبانی نمی کند.
  • عدم پشتیبانی PyPy یا GPU
  • در زبانهای دیگر به جز پایتون قابل استفاده نیست.
  • مدل های گرافیکی یا پیش بینی متوالی را شامل نمی شود.

محبوبیت scikit-learn :

رشد و توسعه یادگیری ماشین به دنبال ابزارهای کارآمد و مفید است. sklearn به نیاز مبتدیان و همچنین افرادی که با مسائل یادگیری نظارت شده و بدون نظارت رو به رو هستند، پاسخ می دهد.

کارایی و تطبیق پذیری کتابخانه scikit-learn باعث شده است تا یکی از محبوب ترین و برترین گزینه های دانشگاهی و صنعتی برای انجام پردازش های مختلف باشد.

کتابخانه TensorFlow

کتابخانه PyTorch

کتابخانه Keras

مقایسه TensorFlow و Keras

مقایسه PyTorch و Keras

مقایسه TensorFlowوPyTorch

دیگر کتابخانه های پایتون

مطالعه بیشتر

0 0 vote
Article Rating
Subscribe
Notify of
guest
0 Comments
Inline Feedbacks
View all comments
ورژن 4 طراحی شده با ❤