Scikit-learn: differenze tra le versioni
Contenuto cancellato Contenuto aggiunto
Nessun oggetto della modifica |
Recupero di 1 fonte/i e segnalazione di 0 link interrotto/i.) #IABot (v2.0.9.5 |
||
Riga 11:
==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|accesso=22 ottobre 2021|dataarchivio=26 ottobre 2021|urlarchivio=https://web.archive.org/web/20211026010806/https://python.engineering/pandas-cookbook/|urlmorto=sì}}</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.
| |||