Scikit Learn

官方网站：立即使用

Scikit Learn 功能

• Scikit Learn为预测数据分析提供了简单有效的工具。 每个人都可以访问它，并且可以在各种情况下重复使用。 该平台建立在 NumPy、SciPy 和 matplotlib 之上，它是开源的，具有商业用途的 BSD 许可证。

主要特点

1. 分类：标识对象属于哪个类别。 应用包括垃圾邮件检测和图像识别。 使用的算法包括梯度提升、最近邻、随机森林、逻辑回归等。
2. 回归：预测与对象关联的连续值属性。 应用包括药物反应和股票价格。 使用的算法包括梯度提升、最近邻、随机森林、山脊等。
3. 聚类：自动将相似对象分组到集合中。 应用包括客户细分和分组实验结果。 使用的算法包括 k-Means、HDBSCAN、分层聚类等。
4. 降维：减少要考虑的随机变量的数量。 应用包括可视化和提高效率。 使用的算法包括 PCA、特征选择、非负矩阵分解等。
5. 模型选择：比较、验证和选择参数和模型。 应用包括通过参数调整提高精度。 使用的算法包括网格搜索、交叉验证、指标等。
6. 预处理：特征提取和归一化。 应用程序包括转换输入数据（如文本）以用于机器学习算法。 使用的算法包括预处理、特征提取等。

使用案例

• Scikit-learn 用于各种机器学习应用程序，例如垃圾邮件检测、图像识别、预测股票价格、客户细分等。 它因其易用性、性能和实现的算法种类而受到称赞。