scikit-learn

ML

Aprendizado de máquina

Visão geral scikit-learn

Scikit-learn é a biblioteca de aprendizado de máquina mais popular do Python. Ele fornece APIs simples e consistentes para classificação, regressão, clustering, redução de dimensionalidade, seleção de modelo e pré-processamento. Scikit-learn é o ponto de partida para praticamente todos os projetos de aprendizado de máquina em Python.

PyRunsuportascikit-learncomo parte da distribuiçãoPyodide, o que significa que você pode treinar classificadores, calcular pontuações de precisão e explorar algoritmos de ML inteiramente em seu navegador. É uma ferramenta educacional poderosa: execute o classificador Iris, experimente hiperparâmetros e veja os resultados sem um notebook na nuvem.

Saída de código e execução

Treine uma Floresta Aleatória no conjunto de dados Iris.

Scikit-learn ClassifierExecutar no 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))

Pacotes Relacionados

Recursos Python recomendados

Expanda seu conhecimento com tutoriais interativos relacionados, folhas de dicas e comparações de código.