scikit-learn

ML

Uczenie maszynowe

Przegląd scikit-learn

Scikit-learn to najpopularniejsza biblioteka uczenia maszynowego w Pythonie. Zapewnia proste i spójne interfejsy API do klasyfikacji, regresji, grupowania, redukcji wymiarowości, wyboru modelu i przetwarzania wstępnego. Scikit-learn jest punktem wyjścia dla praktycznie każdego projektu uczenia maszynowego w Pythonie.

PyRunobsługujescikit-learnjako część dystrybucjiPyodide, co oznacza, że możesz trenować klasyfikatory, obliczać wyniki dokładności i eksplorować algorytmy ML całkowicie w swojej przeglądarce. To potężne narzędzie edukacyjne — uruchom klasyfikator Iris, eksperymentuj z hiperparametrami i zobacz wyniki bez notatnika w chmurze.

Dane wyjściowe kodu i wykonania

Wytrenuj losowy las na zestawie danych Iris.

Scikit-learn ClassifierUruchom w Edytorze
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))

Powiązane pakiety

Polecane zasoby Pythona

Poszerzaj swoją wiedzę dzięki powiązanym interaktywnym samouczkom, ściągawkom i porównaniom kodów.