Scikit-learn: differenze tra le versioni

Versione delle 06:35, 26 dic 2018

Versione attuale delle 15:53, 8 apr 2025

(9 versioni intermedie di 8 utenti non mostrate)

Riga 1:

{{titolo minuscolo}}

{{S|informatica|software libero}}

{{Software

|SistemaOperativo = multipiattaforma

Line 5 ⟶ 7:

}}

'''Scikitscikit-learn''' (exprecedentemente noto come '''scikits.learn'''<ref>{{cita web|lingua=en|url=https://scikits.appspot.com/scikit-learn|titolo=scikit-learn|citazione=scikit-learn was previously referred to as scikits.learn.|urlarchivio=https://web.archive.org/web/20160313213632/https://scikits.appspot.com/scikit-learn}}</ref>) è una [[Libreria (software)|libreria]] [[open source]] di [[apprendimento automatico]] per il [[linguaggio di programmazione]] [[Python]].

Contiene algoritmi di [[classificazione]], [[regressione]] e [[clustering]] (raggruppamento) e [[macchine a vettori di supporto]], regressione logistica, [[classificatore bayesiano]], k-mean e [[DBSCAN]], ed è progettato per operare con le librerie [[NumPy]] e [[SciPy]].

scikit-learn è attualmente sponsorizzato da [[INRIA]] e talvolta da [[Google]].

==Implementazione==

Scikit-learn è in gran parte scritto in Python e utilizza [[NumPy]] ampiamente per operazioni di [[algebra lineare]] e array ad alte prestazioni. Inoltre, alcuni algoritmi di base sono scritti in Cython per migliorare le prestazioni.<ref>{{Cita web|url=https://github.blog/2019-01-24-the-state-of-the-octoverse-machine-learning/|titolo=The State of the Octoverse: machine learning|data=24 gennaio 2019|sito=The GitHub Blog|editore=[[GitHub]]|lingua=en|accesso=17 ottobre 2019}}</ref> Le macchine vettoriali di supporto sono implementate da un wrapper [[Cython]] attorno a LIBSVM; [[regressione logistica]] e macchine vettoriali di supporto lineare da un [[wrapper]] simile intorno a LIBLINEAR. In tali casi, potrebbe non essere possibile estendere questi metodi con Python.<ref>{{Cita libro|titolo=Pandas CookBook|url=https://python.engineering/pandas-cookbook/|autore=Matt Harrison, Theodore Petrou|editore=Packt Publishing|anno=2017|ISBN=978-1784393878}}</ref>

Scikit-learn si integra bene con molte altre librerie Python, come [[Matplotlib]] e plotly per la stampa, NumPy per la vettorizzazione degli array, i dataframe [[Pandas (software)|Pandas]], [[SciPy]] e molte altre.

== Note ==

<references/>

== Bibliografia ==

* {{Cita pubblicazione|nome=Lars|cognome=Buitinck|nome2=Gilles|cognome2=Louppe|nome3=Mathieu|cognome3=Blondel|etal=s|data=2013|titolo=API design for machine learning software: experiences from the scikit-learn project|accesso=2023-04-20|doi=10.48550/ARXIV.1309.0238|url=https://arxiv.org/abs/1309.0238|lingua=en}}

== Voci correlate ==

Line 14 ⟶ 26:

* [[mlpy]]

* [[Orange (software)]]

* [[Natural Language Toolkit|NLTK]]

== Collegamenti esterni ==