Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

scikit-learn
Логотип scikit learn small.svg
Автор (ы) оригиналаДэвид Курнапо
изначальный выпускИюнь 2007 г . ; 13 лет назад ( 2007-06 )
Стабильный выпуск
0.24.1 [1] / 19 января 2021 г . ; 47 дней назад ( 19 января 2021 г. )
Репозиторий
Отредактируйте это в Викиданных
Написано вPython , Cython , C и C ++ [2]
Операционная системаLinux , macOS , Windows
ТипБиблиотека для машинного обучения
ЛицензияНовая лицензия BSD
Интернет сайтscikit-learn .org

Scikit-learn (ранее scikits.learn, а также sklearn ) - это бесплатная библиотека машинного обучения для языка программирования Python . [3] Он имеет различные классификации , регрессию и кластеризацию алгоритмы , включая поддержку векторных машины , случайные леса , градиент форсируя , K -средние и DBSCAN , и предназначен для взаимодействия с численным Python и научными библиотеками NumPy и SciPy .

Обзор [ править ]

Проект scikit учиться начал как scikits.learn, в Google Summer Кодекса проект Дэвида Cournapeau . Его название связано с тем, что это «SciKit» (SciPy Toolkit), отдельно разработанное и распространяемое сторонним расширением для SciPy. [4] Первоначальная кодовая база была позже переписана другими разработчиками. В 2010 году Фабиан Педрегоса, Гаэль Вароко, Александр Грамфор и Винсент Мишель, все из Французского института исследований в области компьютерных наук и автоматизации в Роккенкур , Франция , взяли на себя руководство проектом и 1 февраля 2010 года выпустили первый публичный релиз [5]. ] Из различных scikit, scikit-learn, а такжеscikit-image были охарактеризованы как "поддерживаемые и популярные" в ноябре 2012 года . [6] Scikit-learn - одна из самых популярных библиотек машинного обучения на GitHub . [7]

Реализация [ править ]

Scikit-learn в основном написан на Python и широко использует numpy для высокопроизводительной линейной алгебры и операций с массивами. Кроме того, некоторые основные алгоритмы написаны на Cython для повышения производительности. Машины опорных векторов реализуются оболочкой Cython вокруг LIBSVM ; машины логистической регрессии и линейных опорных векторов с помощью аналогичной оболочки для LIBLINEAR . В таких случаях расширение этих методов с помощью Python может оказаться невозможным.

Scikit учиться хорошо интегрируется со многими другими библиотеками Python, такими как Matplotlib и plotly для черчения, NumPy для массива векторизации, панд dataframes, SciPy , и многих других.

История версий [ править ]

Изначально Scikit-learn был разработан Дэвидом Курнапо как проект Google Summer of code в 2007 году. Позже к проекту присоединился Матье Брюхе, который начал использовать его как часть своей дипломной работы. В 2010 году к проекту подключился Французский институт исследований в области компьютерных наук и автоматизации INRIA , и в конце января 2010 года был опубликован первый общедоступный релиз (v0.1 beta).

  • Январь 2021 г. scikit-learn 0.24 [8]
  • Май 2020 г. scikit-learn 0.23.0 [9]
  • Декабрь 2019 г. scikit-learn 0.22.0 [10]
  • Май 2019 г. scikit-learn 0.21.0 [11]
  • Сентябрь 2018 г. scikit-learn 0.20.0 [12]
  • Июль 2017 г. scikit-learn 0.19.0
  • Сентябрь 2016 г. scikit-learn 0.18.0
  • Ноябрь 2015 г. scikit-learn 0.17.0 [13]
  • Март 2015 г. scikit-learn 0.16.0 [13]
  • Июль 2014 г. scikit-learn 0.15.0 [13]
  • Август 2013 г. scikit-learn 0,14 [13]


График выпуска представлен на следующей диаграмме.

См. Также [ править ]

  • mlpy
  • SpaCy
  • НЛТК
  • апельсин
  • PyTorch
  • TensorFlow
  • Infer.NET
  • Список программного обеспечения для численного анализа

Ссылки [ править ]

  1. ^ "Выпуск 0.24.1" . 19 января 2021 . Проверено 15 февраля 2021 года .
  2. ^ «Проект с открытым исходным кодом scikit-learn на странице Open Hub: Languages» . Откройте Hub . Проверено 14 июля 2018 года .
  3. ^ Фабиан Педрегоса; Гаэль Вароко; Александр Грамфор; Винсент Мишель; Бертран Тирион; Оливье Гризель; Матье Блондель; Петер Преттенхофер; Рон Вайс; Винсент Дюбург; Джейк Вандерплас; Александр Пассос; Дэвид Курнапо; Матье Перро; Эдуард Дюшне (2011). «Scikit-learn: машинное обучение на Python» . Журнал исследований в области машинного обучения . 12 : 2825–2830.
  4. ^ Дреиджер, Janto. "scikit-learn" .
  5. ^ «О нас - документация scikit-learn 0.20.1» . scikit-learn.org .
  6. ^ Eli Брессерт (2012). SciPy и NumPy: обзор для разработчиков . О'Рейли. п. 43.
  7. ^ «Состояние Octoverse: машинное обучение» . Блог GitHub . GitHub . 2019-01-24 . Проверено 17 октября 2019 .
  8. ^ scikit-learn: Набор модулей Python для машинного обучения и интеллектуального анализа данных , получен 8 февраля 2021 г.
  9. ^ «История выпусков - документация 0.23.0» . scikit-learn . Проверено 7 июня 2020 .
  10. ^ «История выпусков - документация 0.22.0» . scikit-learn . Проверено 7 июня 2020 .
  11. ^ «История выпусков - документация 0.21.0» . scikit-learn . Дата обращения 5 мая 2019 .
  12. ^ «История выпусков - документация 0.20.0» . scikit-learn . Проверено 6 ноября 2018 .
  13. ^ a b c d "История выпусков - документация scikit-learn 0.19.dev0" . scikit-learn.org . Проверено 27 февраля 2017 .

Внешние ссылки [ править ]

  • Официальный веб-сайт