scikit-learn

scikit-learn
原作者	David Cournapeau
首次發佈	2007年6月，17年前
當前版本	1.5.2（2024年9月11日，3個月前）
原始碼庫	github.com/scikit-learn/scikit-learn;
程式語言	Python, Cython, C, C++
作業系統	Linux, macOS, Windows
類型	機器學習庫
許可協議	三條款BSD許可證
網站	scikit-learn.org

Scikit-learn（曾叫做scikits.learn與sklearn）是用於Python 程式語言的自由並開源的機器學習庫^[2]。它包含了各種分類、回歸和聚類算法，包括多層感知器、支持向量機、隨機森林、梯度提升、k-平均聚類和DBSCAN，它被設計協同於Python數值庫NumPy和和科學庫SciPy。

概述

scikit-learn計劃開始於scikits.learn，它是David Cournapeau（英語：David Cournapeau）的Google編程之夏計劃。它的名字來源自成為「SciKit」（SciPy工具箱）的想法，即一個獨立開發和發行的第三方SciPy擴展^[3]。最初的代碼庫被其他開發者重寫了。在2010年，來自法國羅康庫爾的法國國家信息與自動化研究所的Fabian Pedregosa、Gael Varoquaux、Alexandre Gramfort和Vincent Michel，領導了這個項目並在2010年2月1日進行了首次公開發行^[4]。在各種scikit中，scikit-learn和scikit-image（英語：scikit-image）截至2012年11月 (2012-11)^[update]是「良好維護和流行的」^[5]。Scikit-learn是在GitHub上最流行的機器學習庫之一^[6]。

實現

Scikit-learn主要用Python編寫的，並廣泛使用NumPy進行高性能線性代數和數組運算。此外，一些核心算法用Cython書寫來以提高性能。在某些情況下，用Python擴展出特定方法是不可能的；比如支持向量機，是通過用Cython包裝LIBSVM（英語：LIBSVM）實現；邏輯斯諦回歸和線性支持向量機，是通過對LIBLINEAR（英語：LIBLINEAR）的類似的包裝實現的。

Scikit-learn與很多其他Python庫可以良好的集成起來，比如用於繪圖的matplotlib和plotly（英語：plotly），用於陣列向量化的NumPy，用於數據幀的pandas，用於科學計算的SciPy等等。

有關工具

sklearn-onnx是將scikit-learn模型轉換成ONNX的工具^[7]。
SciKeras是對Keras模塊的scikit-learn兼容的包裝器^[8]。
skorch是包裝了PyTorch的scikit-learn兼容的神經網絡庫^[9]。

參見

mlpy（英語：mlpy）
SpaCy（英語：SpaCy）
NLTK（英語：Natural Language Toolkit）
Orange（英語：Orange (software)）
PyTorch
TensorFlow
Infer.NET（英語：Infer.NET）
數值分析軟件

引用

^ ^1.0 ^1.1 Release 1.5.2. 2024年9月11日 [2024年9月26日].
^ Fabian Pedregosa; Gaël Varoquaux; Alexandre Gramfort; Vincent Michel; Bertrand Thirion; Olivier Grisel; Mathieu Blondel; Peter Prettenhofer; Ron Weiss; Vincent Dubourg; Jake Vanderplas; Alexandre Passos; David Cournapeau; Matthieu Perrot; Édouard Duchesnay. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 2011, 12: 2825–2830 [2020-10-31]. （原始內容存檔於2020-12-01）.
^ Dreijer, Janto. scikit-learn. [2020-10-31]. （原始內容存檔於2020-11-07）.
^ About us — scikit-learn 0.20.1 documentation. scikit-learn.org. [2020-10-31]. （原始內容存檔於2020-11-06）.
^ Eli Bressert. SciPy and NumPy: an overview for developers. O'Reilly. 2012: 43 [2020-10-31]. （原始內容存檔於2016-04-25）.
^ The State of the Octoverse: machine learning. The GitHub Blog. GitHub. 2019-01-24 [2019-10-17]. （原始內容存檔於2020-11-07）（美國英語）.
^ sklearn-onnx — Convert scikit-learn models and pipelines to ONNX. [2023-09-22]. （原始內容存檔於2023-10-11）.
^ SciKeras － Scikit-Learn API wrapper for Keras. [2022-09-01]. （原始內容存檔於2022-06-19）.
^ skorch － A scikit-learn compatible neural network library that wraps PyTorch. [2022-09-01]. （原始內容存檔於2022-08-24）.

外部連結

官方網站

[wikidata-c1c9165a47df658dc1f5746cc3ae9cba6fca6249-v3-1] 1.0 ^1.1 Release 1.5.2. 2024年9月11日 [2024年9月26日].

[jmlr-2] Fabian Pedregosa; Gaël Varoquaux; Alexandre Gramfort; Vincent Michel; Bertrand Thirion; Olivier Grisel; Mathieu Blondel; Peter Prettenhofer; Ron Weiss; Vincent Dubourg; Jake Vanderplas; Alexandre Passos; David Cournapeau; Matthieu Perrot; Édouard Duchesnay. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 2011, 12: 2825–2830 [2020-10-31]. （原始內容存檔於2020-12-01）.

[3] Dreijer, Janto. scikit-learn. [2020-10-31]. （原始內容存檔於2020-11-07）.

[4] About us — scikit-learn 0.20.1 documentation. scikit-learn.org. [2020-10-31]. （原始內容存檔於2020-11-06）.

[5] Eli Bressert. SciPy and NumPy: an overview for developers. O'Reilly. 2012: 43 [2020-10-31]. （原始內容存檔於2016-04-25）.

[6] The State of the Octoverse: machine learning. The GitHub Blog. GitHub. 2019-01-24 [2019-10-17]. （原始內容存檔於2020-11-07）（美國英語）.

[7] sklearn-onnx — Convert scikit-learn models and pipelines to ONNX. [2023-09-22]. （原始內容存檔於2023-10-11）.

[8] SciKeras － Scikit-Learn API wrapper for Keras. [2022-09-01]. （原始內容存檔於2022-06-19）.

[9] skorch － A scikit-learn compatible neural network library that wraps PyTorch. [2022-09-01]. （原始內容存檔於2022-08-24）.

[2]

[1]

[3]

[4]

[5]

[6]

[7]

[8]

[9]