scikit-learn

기계 학습

개요 scikit-learn

Scikit-learn은 Python의 가장 인기 있는 기계 학습 라이브러리입니다. 분류, 회귀, 클러스터링, 차원 축소, 모델 선택 및 전처리를 위한 간단하고 일관된 API를 제공합니다. Scikit-learn은 Python의 거의 모든 기계 학습 프로젝트의 시작점입니다.

PyRun는Pyodide배포의 일부로scikit-learn을 지원합니다. 즉, 브라우저에서 분류기를 훈련하고, 정확도 점수를 계산하고, ML 알고리즘을 완전히 탐색할 수 있습니다. 이는 강력한 교육 도구입니다. Iris 분류기를 실행하고, 하이퍼파라미터를 실험하고, 클라우드 노트북 없이 결과를 확인하세요.

코드 및 실행 출력

Iris 데이터 세트에서 Random Forest를 훈련합니다.

Scikit-learn Classifier에디터에서 실행

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))