Scikit-learn


scikit-learn (ранее известная, как scikits.learn, а также известная как sklearn) — это библиотека, предназначенная для машинного обучения, написанная на языке программирования Python и распространяемая в виде свободного программного обеспечения.

В её состав входят различные алгоритмы, в том числе предназначенные для задач классификации, регрессионного и кластерного анализа данных, включая метод опорных векторов, метод случайного леса, алгоритм усиления градиента, метод k-средних и DBSCAN. Библиотека была разработана для взаимодействия с численными и научными библиотеками языка программирования Python NumPy и SciPy.

Обзор

Проект scikit-learn первоначально был разработан под наименованием scikits.learn французским ученым в области данных Дэвидом Курнапо в рамках программы Google Summer of Code. Наименование проекта происходит от его предназначения - "SciKit" (SciPy Toolkit (набор инструментов SciPy), разрабатываемое и распространяемое отдельно cтороннее расширение для библиотеки SciPy.

Первоначальная кодовая база была позже переписана другими разработчиками. В 2010 году участники проекта Фабиан Педрегоса, Гаэль Вароко, Александр Грэмфор и Винсент Миш из Французского национального института исследований в информатике и автоматике расположенного на плато Сакле во Франции, взяли на себя руководство проектом и выпустили первую публичную версию библиотеки 1 Февраля 2010 года. В ноябре 2012 года библиотека scikit-learn, также как и библиотека scikit-image, были охарактеризованы как две "хорошо поддерживаемые и популярные" scikits библиотеки. В 2019 году библиотека scikit-learn стала одной из самых популярных библиотек машинного обучения на сайте GitHub.

Реализация

Библиотека scikit-learn в основном написана на языке программирования Python и широко использует библиотеку NumPy для высокопроизводительных операций линейной алгебры и работы с массивами.

Часть основных алгоритмов написана на языке программирования Cython для улучшения производительности. Метод опорных векторов реализован с помощью обертки написанной на Cython для библиотеки LIBSVM; логистическая регрессия и линейная машина опорных векторов реализованы с помощью похожей обертки для библиотеки LIBLINEAR. Следует отметить, что в таких случаях, расширение подобных методов с помощью языка программирования Python может быть невозможно.

Библиотека scikit-learn хорошо взаимодействует со множеством других программных библиотек языка Python, например такими как Matplotlib и plotly для визуализации данных, NumPy для векторизации массивов, Pandas для работы с объектами DataFrame, SciPy и прочими.

Хронология

Библиотека scikit-learn была изначально разработана Дэвидом Курнапо в качестве проекта в рамках программы Google Summer of Code в 2007 году. Позднее в этом же году, Мэтью Бручер присоединился к проекту и начал использовать его как часть своей научной работы. В 2010 году в проект был вовлечен Французский национальный институт исследований в области информатики и автоматики и в конце января 2010 года была выпущена первая публичная версия (v0.1 beta).

  • Август 2013 года. scikit-learn 0.14
  • Июль 2014 года. scikit-learn 0.15.0
  • Март 2015 года. scikit-learn 0.16.0
  • Ноябрь 2015 года. scikit-learn 0.17.0
  • Сентябрь 2016 года. scikit-learn 0.18.0
  • Июль 2017 года. scikit-learn 0.19.0
  • Сентябрь 2018 года. scikit-learn 0.20.0
  • Май 2019 года. scikit-learn 0.21.0
  • Декабрь 2019 года. scikit-learn 0.22.0
  • Май 2020 года. scikit-learn 0.23.0
  • Январь 2021 года. scikit-learn 0.24
  • Сентябрь 2021 года. scikit-learn 1.0
  • Декабрь 2022 года. scikit-learn 1.2

Инструменты scikit-learn

  • mlpy
  • SpaCy
  • NLTK
  • Orange
  • PyTorch
  • TensorFlow
  • Infer.NET


Имя:*
E-Mail:
Комментарий: