scikit-learn

ML

Apprendimento automatico

Panoramica scikit-learn

Scikit-learn è la libreria di machine learning più popolare di Python. Fornisce API semplici e coerenti per classificazione, regressione, clustering, riduzione della dimensionalità, selezione del modello e preelaborazione. Scikit-learn è il punto di partenza praticamente per ogni progetto di machine learning in Python.

PyRunsupportascikit-learncome parte della distribuzionePyodide, il che significa che puoi addestrare classificatori, calcolare punteggi di precisione ed esplorare algoritmi ML interamente nel tuo browser. È un potente strumento educativo: esegui il classificatore Iris, sperimenta gli iperparametri e visualizza i risultati senza un notebook sul cloud.

Codice e output di esecuzione

Addestra una foresta casuale sul set di dati Iris.

Scikit-learn ClassifierEsegui nell'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))

Pacchetti correlati

Risorse Python consigliate

Espandi le tue conoscenze con tutorial interattivi, foglietti illustrativi e confronti di codici correlati.