scikit-learn

Машинное обучение

Обзор scikit-learn

Scikit-learn — самая популярная библиотека машинного обучения Python. Он предоставляет простые и согласованные API-интерфейсы для классификации, регрессии, кластеризации, уменьшения размерности, выбора модели и предварительной обработки. Scikit-learn — это отправная точка практически для каждого проекта машинного обучения на Python.

PyRunподдерживаетscikit-learnкак часть дистрибутиваPyodide, что означает, что вы можете обучать классификаторы, вычислять показатели точности и исследовать алгоритмы машинного обучения полностью в своем браузере. Это мощный образовательный инструмент — запустите классификатор Iris, поэкспериментируйте с гиперпараметрами и посмотрите результаты без облачного блокнота.

Код и вывод выполнения

Обучите случайный лес на наборе данных Iris.

Scikit-learn ClassifierЗапустить в редакторе

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))