scikit-learn

ML

Pembelajaran mesin

Ikhtisar scikit-learn

Scikit-learn adalah perpustakaan pembelajaran mesin Python yang paling populer. Ini menyediakan API yang sederhana dan konsisten untuk klasifikasi, regresi, pengelompokan, pengurangan dimensi, pemilihan model, dan prapemrosesan. Scikit-learn adalah titik awal untuk hampir setiap proyek pembelajaran mesin dengan Python.

PyRunmendukungscikit-learnsebagai bagian dari distribusiPyodide, artinya Anda dapat melatih pengklasifikasi, menghitung skor akurasi, dan menjelajahi algoritme ML sepenuhnya di browser Anda. Ini adalah alat pendidikan yang hebat — jalankan pengklasifikasi Iris, bereksperimen dengan hyperparameter, dan lihat hasilnya tanpa notebook cloud.

Kode & Output Eksekusi

Latih Random Forest pada dataset Iris.

Scikit-learn ClassifierJalankan di Editor
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report

iris = load_iris()
X, y = iris.data, iris.target

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.25, random_state=42
)

clf = RandomForestClassifier(n_estimators=50, random_state=42)
clf.fit(X_train, y_train)

preds = clf.predict(X_test)
print(f"Accuracy: {accuracy_score(y_test, preds):.2%}\n")
print("Classification Report:")
print(classification_report(y_test, preds, target_names=iris.target_names))

Paket Terkait

Sumber Daya Python yang Direkomendasikan

Perluas pengetahuan Anda dengan tutorial interaktif terkait, lembar contekan, dan perbandingan kode.