# scikit-learn Reviews **Vendor:** scikit-learn **Category:** [Software de aprendizaje automático](https://www.g2.com/es/categories/machine-learning) **Average Rating:** 4.8/5.0 **Total Reviews:** 60 ## About scikit-learn Scikit-learn es una biblioteca de software de aprendizaje automático para el lenguaje de programación Python que tiene varios algoritmos de clasificación, regresión y agrupamiento, incluyendo máquinas de vectores de soporte, bosques aleatorios, potenciación de gradiente, k-means y DBSCAN, y está diseñada para interoperar con las bibliotecas numéricas y científicas de Python, NumPy y SciPy. ## scikit-learn Pros & Cons **What users like:** - Los usuarios aprecian la **facilidad de uso** de scikit-learn, lo que lo hace perfecto para principiantes en el aprendizaje automático. (1 reviews) - A los usuarios les encanta scikit-learn por su **API limpia e intuitiva** , lo que hace que el aprendizaje automático sea accesible para principiantes. (1 reviews) - Los usuarios encuentran la **API limpia y los algoritmos preescritos** de scikit-learn esenciales para aprender e implementar el aprendizaje automático de manera eficiente. (1 reviews) **What users dislike:** - Los usuarios experimentan **problemas de retraso** con modelos pesados en scikit-learn, lo que obstaculiza el rendimiento eficiente y la calidad del resultado. (1 reviews) - Los usuarios encuentran **limitada personalización** en scikit-learn frustrante, lo que dificulta su capacidad para adaptar los algoritmos de manera efectiva. (1 reviews) - Los usuarios encuentran que el **consumo de tiempo** para aprender scikit-learn puede ser significativo, especialmente para aquellos que son nuevos en Python. (1 reviews) ## scikit-learn Reviews ### 1. Biblioteca de Inicio Perfecta para Principiantes en Aprendizaje Automático **Rating:** 4.5/5.0 stars **Reviewed by:** Usuario verificado en Educación superior | Mediana Empresa (51-1000 empleados) **Reviewed Date:** December 17, 2025 **¿Qué es lo que más le gusta de scikit-learn?** Supongo que esta es la biblioteca con la que todo principiante que está aprendiendo aprendizaje automático comienza, y yo también. Esta es una biblioteca muy limpia donde obtienes el código lógico básico de muchos algoritmos como regresión, clasificación y agrupamiento, etc. Como el algoritmo está preescrito, solo me concentro en entrenar los datos y el resultado. Tiene una API muy limpia y fluida. **¿Qué es lo que no le gusta de scikit-learn?** Como se dijo antes, es para principiantes y si no sabes Python, entonces te llevará mucho tiempo entender cómo funciona cada cosa. No soporta modelos pesados (si intentas hacerlo, entonces comienza a retrasarse y no da el resultado deseado). También tiene una personalización limitada para los algoritmos, como cajas negras y el control fino no siempre es fácil. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Es muy útil entrenar el modelo como se mencionó anteriormente, ya que contiene muchos algoritmos, por lo que no tengo que escribir el código desde cero. En mi época universitaria, me ayudó a crear 2-3 modelos logrando una precisión de alrededor del 80 por ciento. Esto despertó mi interés en este campo y he cambiado a TensorFlow para aprender más. ### 2. biblioteca de Python **Rating:** 4.5/5.0 stars **Reviewed by:** Diana B. | Pequeña Empresa (50 o menos empleados) **Reviewed Date:** May 02, 2023 **¿Qué es lo que más le gusta de scikit-learn?** Users who wish to connect the algorithms to their platforms will find detailed API documentation on the scikit-learn website. Many contributors, authors, and a large international online community support and update Scikit-learn. It is easy to use. The library is published under the BSD license, so it is available for free with only the most basic legal and licensing restrictions. The scikit-learn package is extremely adaptable and useful, and can be used for a variety of real-world tasks, such as developing neuroimaging, predicting consumer behavior, etc. **¿Qué es lo que no le gusta de scikit-learn?** No es una gran elección si se prefiere un aprendizaje en profundidad. Proporciona una abstracción simple que puede tentar a los científicos de datos principiantes a continuar sin aprender primero los conceptos básicos. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Scikit-learn allows us to define machine learning algorithms and compare them with each other, as well as offering tools for data preprocessing. K-means clustering, random forests, support vector machines, and any other machine learning model we want to develop are included in Scikit-learn. ### 3. Mejor biblioteca de código abierto para aprendizaje automático. **Rating:** 5.0/5.0 stars **Reviewed by:** Palash S. | Graduate Research Assistant, Mediana Empresa (51-1000 empleados) **Reviewed Date:** September 20, 2023 **¿Qué es lo que más le gusta de scikit-learn?** Me gusta lo dinámica que es la biblioteca scikit-learn. Proporciona funciones precargadas y listas para usar para todo tipo de algoritmos de aprendizaje automático y preprocesamiento de datos. **¿Qué es lo que no le gusta de scikit-learn?** La única desventaja es la falta de soporte nativo para las bibliotecas de aprendizaje profundo. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** la mayor parte del tiempo utilizo la biblioteca sci-kit-learn para propósitos de regresión en la predicción de ventas. ### 4. scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Kitriakos S. | Mediana Empresa (51-1000 empleados) **Reviewed Date:** June 09, 2023 **¿Qué es lo que más le gusta de scikit-learn?** Scikit-learn está construido sobre bibliotecas numéricas eficientes, como NumPy y SciPy, que proporcionan implementaciones optimizadas de operaciones matemáticas y numéricas. Esto asegura que la biblioteca pueda manejar grandes conjuntos de datos y cálculos complejos de manera eficiente, contribuyendo a su robustez y escalabilidad. **¿Qué es lo que no le gusta de scikit-learn?** Si bien scikit-learn ofrece una variedad de herramientas para la selección, extracción y transformación de características, no ofrece amplias capacidades de ingeniería de características automatizadas que se encuentran en algunas bibliotecas especializadas. Los usuarios pueden necesitar diseñar o seleccionar manualmente características basadas en su conocimiento del dominio o explorar otras bibliotecas o técnicas de ingeniería de características. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Scikit-learn incluye funcionalidades para el preprocesamiento de texto, la extracción de características de datos de texto y la construcción de modelos de aprendizaje automático para tareas de PLN. Ofrece métodos para vectorizar texto utilizando técnicas como bolsa de palabras, TF-IDF y embeddings de palabras. Esto lo hace útil para tareas como análisis de sentimientos, clasificación de texto y agrupamiento de documentos. ### 5. Biblioteca de Aprendizaje Automático que Necesitas Conocer **Rating:** 4.5/5.0 stars **Reviewed by:** Chandresh M. | System Engineer, Mediana Empresa (51-1000 empleados) **Reviewed Date:** September 23, 2021 **¿Qué es lo que más le gusta de scikit-learn?** Lo mejor, según yo, es que hay documentación disponible de scikit-learn. Así que, si a veces me resulta difícil aplicar algunos algoritmos, puedo consultar la documentación, lo cual me ayuda. Me gusta esto. Scikit-learn también proporciona muchos conjuntos de datos integrados para que pueda usarlos con fines de práctica. Scikit-learn viene con muchos algoritmos de aprendizaje automático, lo que me facilita implementar algoritmos. Me gusta que venga con muchas funciones de manipulación de datos para limpiar mis datos según mis requisitos. **¿Qué es lo que no le gusta de scikit-learn?** Una cosa que no aprecio particularmente es que no tiene ningún algoritmo de aprendizaje profundo. Si quiero desarrollar algún algoritmo listo para producción, entonces scikit-learn no es tan bueno en comparación con sus competidores. **Recomendaciones a otros que estén considerando scikit-learn:** Si eres un principiante en el desarrollo de Machine Learning, entonces deberías comenzar con la biblioteca scikit-learn, que te proporciona muchos algoritmos de Machine Learning para que puedas aprenderlos. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Estoy utilizando scikit-learn para desarrollar aplicaciones de aprendizaje automático. ### 6. scikit-learn es la mejor biblioteca de aprendizaje automático para la plataforma python **Rating:** 5.0/5.0 stars **Reviewed by:** Dr. Jayant J. | Assistant Professor, Mediana Empresa (51-1000 empleados) **Reviewed Date:** January 19, 2022 **¿Qué es lo que más le gusta de scikit-learn?** La biblioteca scikit-learn es muy fácil de importar y está lista para usar en la plataforma Python. También contiene algunos conjuntos de datos de muestra para probar algoritmos de aprendizaje automático. **¿Qué es lo que no le gusta de scikit-learn?** No hay ningún punto que me desagrade en la biblioteca scikit-learn. La mayoría de los algoritmos de aprendizaje automático más utilizados, así como los recientes, están disponibles para su uso. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Utilizo la biblioteca scikit-learn para resolver problemas de aprendizaje automático. ### 7. Mejor biblioteca para ciencia de datos **Rating:** 5.0/5.0 stars **Reviewed by:** Joaquín A. | Data-analyst, Mediana Empresa (51-1000 empleados) **Reviewed Date:** December 23, 2021 **¿Qué es lo que más le gusta de scikit-learn?** Lo que me gusta de Scikitlearn es su documentación, claridad y versatilidad del kit. **¿Qué es lo que no le gusta de scikit-learn?** Hasta ahora, no hay nada que me desagrade. **Recomendaciones a otros que estén considerando scikit-learn:** Recomiendo mucho Scikitlearn. Es una opción fantástica para proyectos de aprendizaje automático. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Es mi primera opción al realizar modelado de datos y aprendizaje automático. ### 8. Informativo **Rating:** 5.0/5.0 stars **Reviewed by:** Aarti M. | Senior Officer- Client success, Empresa (> 1000 empleados) **Reviewed Date:** January 19, 2022 **¿Qué es lo que más le gusta de scikit-learn?** Sesión informativa y herramientas avanzadas para el aprendizaje **¿Qué es lo que no le gusta de scikit-learn?** La duración del tiempo, el clip debería ser más y más elaborado. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** problemas del día a día ### 9. Biblioteca básica de aprendizaje automático **Rating:** 4.5/5.0 stars **Reviewed by:** deniz y. | Business Intelligence Manager, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** September 24, 2021 **¿Qué es lo que más le gusta de scikit-learn?** Es muy útil al principio para la minería de datos y el análisis de datos. Fácil de usar. Proporciona máxima eficiencia con mínimo esfuerzo. Procesamiento de datos, regresión, reducción de dimensiones, clasificación, análisis de clústeres son las características que utilizo. Es completamente gratuito. **¿Qué es lo que no le gusta de scikit-learn?** Se ejecuta lento en conjuntos de datos grandes. Puede mejorar en la clasificación. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Puedo procesar automáticamente datos pre-categorizados. ### 10. Disponibilidad de funciones integradas y fácil de usar **Rating:** 4.5/5.0 stars **Reviewed by:** Usuario verificado en Inalámbricos | Mediana Empresa (51-1000 empleados) **Reviewed Date:** October 11, 2021 **¿Qué es lo que más le gusta de scikit-learn?** Realmente me gusta cuando resuelvo cualquier problema de aprendizaje automático. Tiene muchos modelos de aprendizaje automático integrados que son difíciles de implementar, pero aquí son fáciles de usar. **¿Qué es lo que no le gusta de scikit-learn?** Siento que debería tener muchos más buenos modelos de redes neuronales profundas. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Modelado de aprendizaje automático para proyectos de procesamiento de voz e imagen ### 11. Estar familiarizado con este marco es imprescindible para los profesionales de ciencia de datos/aprendizaje automático. **Rating:** 5.0/5.0 stars **Reviewed by:** Devwrat T. | Project Manager, Empresa (> 1000 empleados) **Reviewed Date:** September 15, 2020 **¿Qué es lo que más le gusta de scikit-learn?** El mejor aspecto de este marco es la disponibilidad de algoritmos bien integrados dentro del entorno de desarrollo de Python. Es bastante fácil de instalar en la mayoría de los IDEs de Python y relativamente fácil de usar también. Muchos tutoriales son accesibles en línea, lo que complementa la comprensión de esta biblioteca, permitiendo volverse competente en aprendizaje automático. Claramente fue construido con una mentalidad de ingeniería de software y, sin embargo, es muy flexible para proyectos de investigación. Al estar construido sobre múltiples bibliotecas basadas en matemáticas y datos, scikit-learn permite una integración perfecta entre todas ellas. Poder usar arrays de numpy y dataframes de pandas dentro del entorno de scikit-learn elimina la necesidad de transformación de datos adicional. Dicho esto, uno definitivamente debería familiarizarse con esta biblioteca fácil de usar si planea convertirse en un profesional orientado a los datos. ¡Podrías construir un modelo de aprendizaje automático simple con solo 10 líneas de código! Con toneladas de características como validación de modelos, división de datos para entrenamiento/prueba y varias otras, el enfoque de código abierto de scikit-learn facilita una curva de aprendizaje manejable. **¿Qué es lo que no le gusta de scikit-learn?** Un problema que ha persistido y me ha preocupado desde hace bastante tiempo es la falta de capacidades de transformación de variables categóricas (es mucho más fácil en bibliotecas como tensorflow). Es comparativamente más lento que tensorflow cuando se trata de grandes conjuntos de datos y esto es algo que debería adoptarse pronto, especialmente en la era de las tecnologías de big data. Sin embargo, con la frecuencia de las actualizaciones, creo que la mayoría de los problemas se resuelven muy rápidamente, lo que lo convierte en un paquete robusto para el desarrollo de aprendizaje automático. **Recomendaciones a otros que estén considerando scikit-learn:** Animo a aquellos que se están adentrando en el campo de la Ciencia de Datos/Analítica a profundizar en esta biblioteca considerando la cantidad de recursos disponibles en línea. Con la interfaz fácil de usar, siendo de código abierto y la flexibilidad y adaptabilidad con otros marcos, ¡el aprendizaje automático no podría ser más fácil! Personalmente, siento que comenzar con scikit-learn te ayudará a adaptarte a otras herramientas de big data relacionadas con el aprendizaje automático como PySpark. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Dado que soy un profesional de la ciencia de datos, utilizo scikit-learn para crear modelos de análisis predictivo para la previsión de la demanda y otras aplicaciones. Scikit-learn es el mejor marco disponible para ayudar con el desarrollo de modelos de aprendizaje automático que me ha permitido participar y ganar en muchas competiciones en línea. Uno de los principales beneficios es la facilidad de aprendizaje y el uso de esta biblioteca. Junto con la cantidad de recursos disponibles en línea para esta biblioteca, es la mejor biblioteca de ML disponible. ### 12. Scikit es la plataforma base de aprendizaje automático. **Rating:** 4.5/5.0 stars **Reviewed by:** YOGESH B. | Mr, Empresa (> 1000 empleados) **Reviewed Date:** June 01, 2020 **¿Qué es lo que más le gusta de scikit-learn?** Es la plataforma de aprendizaje automático, fácil de aprender, fácil de probar proporciona toda la capacidad que cualquier plataforma de aprendizaje automático debería tener, muchos algoritmos como codificadores - codificador binario, codificador one hot proporciona implementación para todo aprendizaje supervisado y no supervisado proporciona toda la capacidad para validar el modelo podemos integrar fácilmente con matplotlib, pandas, numpy y para serializadores muchos tutoriales de ejemplos específicos en internet disponibles para los principiantes es de código abierto y totalmente gratuito muchos de los otros productos de código abierto y muchos productos propietarios para ml se desarrollan sobre la biblioteca sci kit ya que proporciona una interfaz de Python fácil de aprender e integrar con muchas otras plataformas **¿Qué es lo que no le gusta de scikit-learn?** hay dos problemas que puedo mencionar son 1. no es posible escalar horizontalmente 2. hay problemas cuando tenemos atributos categóricos en variables - codificarlos a binario o codificación one-hot no resolverá el problema Muchas de las tecnologías recientes como h20, tensor flow dan la capacidad de introducir atributos categóricos como entradas al algoritmo **Recomendaciones a otros que estén considerando scikit-learn:** Es fácil de aprender y proporciona muchos tutoriales o materiales de aprendizaje. Los principiantes pueden comenzar con sci kit learn y pasar fácilmente a otras plataformas. Hay muchos ejemplos disponibles en internet. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Estamos utilizando sci ket para aprender muchos modelos para la detección de anomalías y también para aprender algunos comportamientos de los usuarios. Almacenamos el modelo y lo pasamos a dispositivos de borde para aplicar predicciones. ### 13. Plataforma de Aprendizaje Automático muy útil **Rating:** 4.5/5.0 stars **Reviewed by:** Usuario verificado en Educación superior | Mediana Empresa (51-1000 empleados) **Reviewed Date:** June 29, 2020 **¿Qué es lo que más le gusta de scikit-learn?** Es una herramienta muy potente que se utiliza en ciencia de datos, especialmente en aprendizaje automático. Es un paquete de código abierto y gratuito que tiene un gran papel en el aprendizaje automático. Tiene una gran capacidad para integrarse con otros paquetes como matplotlib, numpy y pandas. Desempeña un papel importante en la ciencia de datos y en los algoritmos de aprendizaje automático. **¿Qué es lo que no le gusta de scikit-learn?** Tiene grandes características. Sin embargo, tiene algunas desventajas al tratar con atributos categóricos. Por lo demás, es un paquete muy sólido. No veo ningún otro inconveniente en usar este paquete. **Recomendaciones a otros que estén considerando scikit-learn:** Scikit-learn es un paquete muy útil y poderoso en ciencia de datos y aprendizaje automático. Es un paquete gratuito y se puede integrar con otros paquetes de software. Recomiendo este paquete a todos los que trabajan en el campo de la ciencia de datos. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Hago algunas pruebas de modelos en mi investigación usando aprendizaje automático. Así que scikit-learn es muy útil y me gusta mucho este paquete. Al ser de código abierto e integrable con muchas otras plataformas, es único y agradable. Estoy usando este paquete todos los días. ### 14. Súper útil para el aprendizaje automático **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Tecnología de la información y servicios | Empresa (> 1000 empleados) **Reviewed Date:** January 11, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Conjunto de herramientas increíblemente útil para el trabajo de aprendizaje automático y ciencia de datos. Personalmente lo uso en Python y es realmente útil. Algunos paquetes populares como pandas, numpy y matplotlib le añaden aún más valor. Siempre lo uso junto con redes neuronales y obtengo soluciones como una combinación, y la solución que da el mejor resultado a menudo proviene de ello, trabajando en diferentes puntos. **¿Qué es lo que no le gusta de scikit-learn?** No, no se me ocurre nada para la parte de desagrado y lo he usado durante un par de años en competiciones y proyectos de aprendizaje automático. También actualizan scikit-learn con bastante frecuencia para solucionar cualquier problema conocido y mejorar. **Recomendaciones a otros que estén considerando scikit-learn:** Recomiendo encarecidamente el tutorial oficial, que es muy útil para que los principiantes comiencen; los códigos de muestra incluidos y la introducción al aprendizaje automático también merecen la pena leer. Intenta seguir un par de ejemplos allí en términos de diferentes escenarios de aprendizaje automático, es totalmente útil para obtener una idea general de cómo funciona el aprendizaje automático para diferentes propósitos. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Me ayudó a pasar por la competencia de Kaggle, la pasantía y también un trabajo a tiempo completo. Sirve para problemas clásicos de regresión, clasificación, pronóstico de series temporales y otros tipos de problemas de aprendizaje automático. Aprecio que todo el proyecto de aprendizaje automático de principio a fin se pueda lograr dentro de scikit-learn. Comenzando desde la preprocesamiento de datos y la limpieza de datos, uno puede entrar fácilmente en la parte de modelado con la ayuda de funciones integradas útiles como la división de entrenamiento y prueba. La afinación de hiperparámetros también es conveniente en él. ### 15. Destinado a casi todas las necesidades de aprendizaje automático **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Software de Computadora | Mediana Empresa (51-1000 empleados) **Reviewed Date:** January 29, 2020 **¿Qué es lo que más le gusta de scikit-learn?** Me gusta el hecho de que incluye una gran cantidad de funcionalidades e incorpora casi todos los algoritmos de aprendizaje automático destinados al aprendizaje supervisado y no supervisado. Se puede utilizar para desarrollar varios algoritmos de regresión, clasificación y agrupamiento. Utiliza una variedad de algoritmos de aprendizaje automático, preprocesamiento, validación cruzada y visualización. Proporciona tres métricas de regresión, a saber, Error Absoluto Medio, Error Cuadrático Medio, Puntaje R². También proporciona tres métricas de clasificación, a saber, Puntaje de Precisión, Informe de Clasificación, Matriz de Confusión. Además, proporciona tres métricas de agrupamiento, a saber, Índice de Rand Ajustado, Homogeneidad, Medida V. **¿Qué es lo que no le gusta de scikit-learn?** Aparte de la incapacidad para escalar bien, también está el hecho de que scikit-learn no hace absolutamente nada para ayudar con el despliegue del modelo en producción. **Recomendaciones a otros que estén considerando scikit-learn:** Todas las funciones y usos de Scikit learn están muy bien documentados, así que si alguna vez te quedas atascado con el uso de algún parámetro o llamadas a funciones, una simple búsqueda en la documentación te ayudará a encontrar el camino. Es una buena biblioteca para usar en todos tus problemas básicos de aprendizaje automático, ya sea para clasificación, análisis predictivo simple, o incluso exploración de datos, junto con agrupamiento y etiquetado, por supuesto. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** He utilizado scikit-learn para todos los problemas de aprendizaje automático, ya sea para clasificación o etiquetado, o agrupamiento. Proporciona las funciones para ajustar el modelo usando búsqueda en cuadrícula y optimización de parámetros aleatorizada. Se utiliza para clasificación, análisis predictivo y muchas otras tareas de aprendizaje automático. ### 16. La mejor herramienta para el aprendizaje automático. **Rating:** 4.5/5.0 stars **Reviewed by:** Meliksah T. | Engineer, Empresa (> 1000 empleados) **Reviewed Date:** August 17, 2019 **¿Qué es lo que más le gusta de scikit-learn?** - Contiene muchos algoritmos de aprendizaje automático como: bosque aleatorio, árbol de decisión, máquinas de vectores de soporte, análisis discriminante lineal, análisis discriminante cuadrático, regresión logística, perceptrón multicapa (redes neuronales), naive bayes, otros algoritmos de potenciación, knn, k-means (y otros algoritmos de agrupamiento) - Contiene herramientas de preprocesamiento (normalización, estandarización) - Contiene herramientas de ajuste de hiperparámetros (RandomSearchCV, GridSearchCV) - Contiene muchos tipos de métricas para ajustar el modelo (precisión, recall, precisión, f1_score, etc.) y sumando todo esto es posible desarrollar y crear una aplicación de aprendizaje automático de extremo a extremo Sin mencionar que todo lo anterior junto con scikit-learn en su conjunto es compatible con otras bibliotecas de Python como pandas, numpy, mlxtend, matplotlib. **¿Qué es lo que no le gusta de scikit-learn?** - Debería incluir algoritmos de última generación más recientes, como XGBoost, Catboost, LightGBM. - Debería facilitar el uso de GPU, de lo contrario, el ajuste de hiperparámetros lleva demasiado tiempo. **Recomendaciones a otros que estén considerando scikit-learn:** Las documentaciones son geniales. Léelas y busca en Google tanto como sea posible, para que obtengas un gran dominio de la biblioteca. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Estoy resolviendo problemas de aprendizaje automático con scikit-learn. Específicamente limpio datos, pruebo modelos base, pruebo diferentes algoritmos, los ajusto y finalizo el modelo. ### 17. Bueno para el aprendizaje automático **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Educación superior | Mediana Empresa (51-1000 empleados) **Reviewed Date:** July 29, 2020 **¿Qué es lo que más le gusta de scikit-learn?** Varios modelos de aprendizaje automático y parámetros fáciles de ajustar. También es fácil aplicar la transformación de datos antes de ajustar el modelo. **¿Qué es lo que no le gusta de scikit-learn?** Podría añadir más ejemplos en la documentación **Recomendaciones a otros que estén considerando scikit-learn:** Muchas funciones para preparar datos para modelos de aprendizaje automático **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Submuestreo y sobremuestreo ### 18. Aprendizaje automático simplificado con Scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Stanley D. | Data Engineer, Hardware de Computadora, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** June 27, 2019 **¿Qué es lo que más le gusta de scikit-learn?** 1. Me encanta el hecho de que puedo probar una variedad de algoritmos de aprendizaje automático sin tener que construirlos desde cero. Solo los llamo usando funciones ya disponibles. 2. Scikit-learn proporciona a los usuarios una función para dividir un conjunto de datos dado en datos de entrenamiento y validación solo pasando una proporción de división. 3. Scikit-learn se integra fácilmente con otros marcos de aprendizaje profundo. **¿Qué es lo que no le gusta de scikit-learn?** No he tenido ninguna razón para odiar scikit-learn en este momento, ya que me ha ayudado a lograr mucho en el aprendizaje automático. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Mi primer hackathon, intenté construir un modelo de regresión lineal desde cero, hasta que alguien me habló de scikit-learn. Con él, pude probar varios algoritmos de aprendizaje automático que estaban disponibles. ### 19. La mejor biblioteca de aprendizaje automático de Python **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Software de Computadora | Mediana Empresa (51-1000 empleados) **Reviewed Date:** July 03, 2019 **¿Qué es lo que más le gusta de scikit-learn?** Scikit learn es simplemente maravilloso. Abstrae todas las complejidades de varios marcos de aprendizaje automático. Scikit learn proporciona hermosas llamadas de función de una sola línea para funciones realmente complejas y la documentación es hermosa. Un completo novato puede leer su documentación y entenderla ya que es legible para los humanos. Además de los principales modelos de aprendizaje automático que van desde el bosque aleatorio, árboles de decisión y regresión lineal, también proporcionan bibliotecas para el preprocesamiento de datos. Puedes hacer preprocesamiento de datos, codificación one hot y muchas otras cosas con Scikit Learn. **¿Qué es lo que no le gusta de scikit-learn?** Los modelos de Scikit-learn tardan mucho en entrenarse y requieren que tus datos estén en un formato específico. Esto puede ser realmente estresante, especialmente cuando los mensajes de error no proporcionan mucha información sobre el problema. **Recomendaciones a otros que estén considerando scikit-learn:** Scikit learn es una biblioteca maravillosa para el desarrollo rápido de aprendizaje automático e incluso para construir sistemas listos para producción. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Hago mi aprendizaje automático general con sci-kit learn. Me ha permitido ser más productivo y centrarme más en simplemente construir soluciones, ya que puedo simplemente entender superficialmente cómo funciona un modelo y usarlo sin entrar en los detalles matemáticos involucrados. ### 20. modelos de aprendizaje automático plug and play **Rating:** 4.0/5.0 stars **Reviewed by:** Vikas P. | Associate System Engineer , Pequeña Empresa (50 o menos empleados) **Reviewed Date:** May 28, 2019 **¿Qué es lo que más le gusta de scikit-learn?** Me gusta esta biblioteca porque es muy fácil importar la biblioteca y usar los modelos de aprendizaje automático. Tienen muchos modelos de aprendizaje automático, como random forest, xgboost y muchos más. No necesitas codificar desde cero. También proporcionan muchos parámetros para ajustar los modelos, lo cual es útil. **¿Qué es lo que no le gusta de scikit-learn?** Es una especie de plug and play, pero la personalización es un poco difícil para los modelos de aprendizaje automático. Además, en comparación con TensorFlow, es lento. **Recomendaciones a otros que estén considerando scikit-learn:** Si solo necesitas un modelo de aprendizaje automático y no quieres más especificaciones o personalización, puedes optar por scikit-learn. Es fácil de usar e implementar. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Para modelos generales de aprendizaje automático donde necesito modelos y no quiero personalizar el modelo, utilizo modelos preconstruidos de scikit-learn. ### 21. revisión de scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Investigación | Pequeña Empresa (50 o menos empleados) **Reviewed Date:** November 01, 2019 **¿Qué es lo que más le gusta de scikit-learn?** La mejor parte de scikit-learn es que tiene una variedad de algoritmos de regresión, clasificación y agrupamiento. La página de scikit-learn permite ver qué hiperparámetros se deben usar para mis datos y qué valores debo dar. **¿Qué es lo que no le gusta de scikit-learn?** Nada por ahora, pero supongo que podría ser más rápido para conjuntos de datos grandes. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** He estado usando scikit-learn para trabajar en mis proyectos del curso y para aprender cómo funcionan los algoritmos y compararlos para ver cuál es el mejor. ### 22. Usuario de Python/sklearn **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Software de Computadora | Empresa (> 1000 empleados) **Reviewed Date:** December 10, 2019 **¿Qué es lo que más le gusta de scikit-learn?** La documentación de sklearn es extremadamente buena, y se puede realizar un gran número de análisis de aprendizaje automático utilizando esta biblioteca. **¿Qué es lo que no le gusta de scikit-learn?** El número de diferentes hiperparámetros a configurar es enorme. **Recomendaciones a otros que estén considerando scikit-learn:** El manual es realmente útil. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Problemas de clasificación, regresión y agrupamiento. ### 23. Scikit-Learn Una biblioteca obligatoria para el aprendizaje automático **Rating:** 5.0/5.0 stars **Reviewed by:** Jezz B. | Machine Learning Engineer, Internet, Empresa (> 1000 empleados) **Reviewed Date:** November 06, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Lo mejor de scikit learn es que hace que la implementación y el uso de algoritmos de aprendizaje automático sea un juego mucho más fácil. He estado usando scikit learn desde el comienzo de mi carrera e incluso durante mis días de posgrado usé scikit learn. Ha estado mejorando desde entonces y también actualizando los algoritmos. Usar scikit learn realmente acelerará tus tareas de implementación de tareas de ML para tu servicio. **¿Qué es lo que no le gusta de scikit-learn?** Nada que no guste de scikit learn. Diría que es realmente una buena biblioteca. **Recomendaciones a otros que estén considerando scikit-learn:** Diría que scikit learn realmente vale la pena usarlo y sugeriría y recomendaría que lo pruebes una vez y uses scikit learn para implementar y usar algoritmos de aprendizaje automático. Usar scikit learn es muy fácil e incluso un nuevo usuario se adaptaría fácilmente a él. Estas funcionalidades son difíciles de encontrar en cualquier lugar y además en código abierto. Así que recomendaría usar scikit-learn. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** He estado usando scikit learn desde hace 5 años y lo he utilizado en gran medida que a veces también proporciono actualizaciones de git push a la biblioteca cuando lo siento. Lo he estado usando para implementar todas las tareas relacionadas con el aprendizaje automático, como entrenar el algoritmo, desarrollar el algoritmo, así como preprocesar y calcular precisiones y graficarlas. Es una biblioteca realmente exigente que puedes usar para tu conveniencia. ### 24. Buena experiencia **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Tecnología de la información y servicios | Empresa (> 1000 empleados) **Reviewed Date:** October 02, 2019 **¿Qué es lo que más le gusta de scikit-learn?** Es una solución para tareas de aprendizaje automático. También tienes técnicas de optimización (usa gridsearchcv o randomsearchcv). También tiene una hoja de trucos o una guía para describir qué algoritmo debería usar un usuario. **¿Qué es lo que no le gusta de scikit-learn?** No hay implementación del clasificador Catbooster, clasificador lightGBM y muchos más. **Recomendaciones a otros que estén considerando scikit-learn:** Muy útil **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Lo hace fácil de usar debido a la precisión predefinida, la puntuación, la validación cruzada y las técnicas de optimización. ### 25. Aprendizaje automático y API de aprendizaje profundo para Python **Rating:** 5.0/5.0 stars **Reviewed by:** Julia P. | Machine Learning Engineer, Tecnología de la información y servicios, Empresa (> 1000 empleados) **Reviewed Date:** October 19, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Lo mejor que empecé a gustar de scikit learn es la facilidad de crear y ejecutar un algoritmo de aprendizaje automático para cualquier modelo. Si necesitas un KNN para tu reconocimiento facial, simplemente llama al clasificador Knn con los hiperparámetros adecuados y úsalo en tu modelo de reconocimiento facial con muy pocas líneas de código y mucha simplicidad. Si necesitas usar un modelo de regresión lineal, simplemente llama a su objeto, entrena tus propios datos en él y predice cuando sea necesario. Es muy simple de usar y eso es lo que lo hace más interesante. Aparte de esto, viene con muchos conjuntos de datos personalizados que se pueden importar y usar directamente. **¿Qué es lo que no le gusta de scikit-learn?** Nah, todavía no he encontrado nada que no me guste de esta increíble biblioteca. **Recomendaciones a otros que estén considerando scikit-learn:** Sí, tiene múltiples razones para considerar recomendar scikit-learn para cualquier proyecto o producto de aprendizaje automático. Siempre que trabajas en un proyecto así, construir todo desde cero es un verdadero lío; en su lugar, ¿por qué no construir el proyecto de acuerdo a tus necesidades utilizando piezas simples como funciones e integrarlas todas para reunirlas y usarlas en tu aplicación? Así que vale la pena recomendar scikit-learn a todos los ingenieros de aprendizaje automático. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Estoy usando scikit learn para desarrollar modelos de aprendizaje automático y usarlos en aplicaciones en vivo. Más recientemente, lo usé para crear un clasificador de reconocimiento facial que clasificó las caras en tiempo real. Utilicé el clasificador KNN para lo mismo y obtuve buenos resultados ajustando los hiperparámetros. Me ahorró mucho tiempo al implementarlo desde cero. ### 26. Increíblemente simple, rápido y poderoso **Rating:** 4.0/5.0 stars **Reviewed by:** Usuario verificado en Software de Computadora | Pequeña Empresa (50 o menos empleados) **Reviewed Date:** July 17, 2019 **¿Qué es lo que más le gusta de scikit-learn?** Scikit-learn es extremadamente escalable y especialmente bueno para principiantes. Mi experiencia principal ha sido usando su clasificador de vectores de soporte, que es ideal para nuestro proyecto de mapeo de imágenes de ultrasonido a movimientos de la mano. **¿Qué es lo que no le gusta de scikit-learn?** La documentación podría ser un poco mejor, pero aparte de eso, es increíblemente confiable y consistente. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Permitir que músicos amputados usen manos robóticas para tocar música con imágenes de ultrasonido y máquinas de vectores de soporte. ### 27. Revisión de Scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Gestión Educativa | Mediana Empresa (51-1000 empleados) **Reviewed Date:** April 30, 2019 **¿Qué es lo que más le gusta de scikit-learn?** Scikit-learn se puede usar para casi todas las tareas de aprendizaje automático, ya que consta de herramientas para la mayoría de las tareas estándar de aprendizaje automático como clasificación, agrupamiento, regresión y reducción de dimensionalidad. **¿Qué es lo que no le gusta de scikit-learn?** R está más enfocado en estadísticas que scikit-learn. Por ejemplo, R proporciona más detalles sobre regresión que scikit-learn. **Recomendaciones a otros que estén considerando scikit-learn:** Scikit-learn es excelente para principiantes y también se puede usar para proyectos académicos. El modelo es fácil de usar y permite realizar múltiples procesos para problemas complejos. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Scikit-learn se está utilizando para predecir el comportamiento del consumidor en una aplicación que sugiere productos a los usuarios. Es más eficiente y preciso que otras alternativas. ### 28. La API con todo sobre aprendizaje automático **Rating:** 4.5/5.0 stars **Reviewed by:** Usuario verificado en Software de Computadora | Pequeña Empresa (50 o menos empleados) **Reviewed Date:** June 30, 2019 **¿Qué es lo que más le gusta de scikit-learn?** Me encanta el hecho de que casi todos los algoritmos de aprendizaje automático se hacen fáciles en el marco, es muy fácil de usar. Tiene tantas funcionalidades. **¿Qué es lo que no le gusta de scikit-learn?** No tiene ninguna versión de aprendizaje profundo, es principalmente para aprendizaje automático, es decir, no es robusto. **Recomendaciones a otros que estén considerando scikit-learn:** Recomiendo el video de Sirags para personas dispuestas a usar scikit-learn para el aprendizaje automático. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Usamos scikit learn para construir modelos de aprendizaje automático en mi lugar de trabajo. ### 29. Gran herramienta de aprendizaje automático **Rating:** 4.5/5.0 stars **Reviewed by:** Christian M. N. | Software Developer, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** May 12, 2019 **¿Qué es lo que más le gusta de scikit-learn?** scikit-learn proporciona una interfaz limpia y coherente a montones de modelos diferentes. **¿Qué es lo que no le gusta de scikit-learn?** Scikit learn puede ser difícil de aprender si no tienes experiencia previa con python. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Scikit learn nos permite construir modelos de aprendizaje automático que se pueden utilizar para hacer predicciones, clasificaciones y más. ### 30. Scikit learning - ¡qué belleza! **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Venta al por Menor | Empresa (> 1000 empleados) **Reviewed Date:** April 30, 2019 **¿Qué es lo que más le gusta de scikit-learn?** Qué no gustar, te da el poder de entrenar modelos de aprendizaje automático abstrayendo cómo funciona por debajo. A veces puede ser aterrador saber cómo funcionan los algoritmos de ML en teoría y se vuelve más aterrador cuando tienes que ponerlo en código funcional, pero con scikit-learn no tienes que preocuparte por la implementación subyacente y simplemente comenzar con el aprendizaje automático. **¿Qué es lo que no le gusta de scikit-learn?** No he encontrado nada que no me guste hasta ahora 😊 **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Estamos aprovechando la biblioteca Scikit Learn junto con otras bibliotecas para abordar problemas de PLN. ### 31. Conjunto de Herramientas de Aprendizaje Automático para Python **Rating:** 5.0/5.0 stars **Reviewed by:** Vishwas R. | Machine Learning Engineer, Software de Computadora, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** July 07, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Scikit learn es básicamente la biblioteca para Python que incluye todos los algoritmos de aprendizaje automático en ella, los cuales están perfectamente codificados para facilitar tu trabajo. Nos ayuda a centrarnos en la parte de aplicación en lugar de la parte de implementación y también reduce nuestro tiempo al eliminar la necesidad de codificar el algoritmo desde cero. Es una biblioteca famosa y ampliamente utilizada y también es apoyada por muchos desarrolladores de código abierto, lo que hace que sus algoritmos sean mucho mejores que cualquier otro. Además, tiene una gran variedad de conjuntos de datos que también pueden usarse para pruebas, como el conjunto de datos iris, por lo que ayuda mucho durante el desarrollo y la prueba del código. **¿Qué es lo que no le gusta de scikit-learn?** De hecho, me encanta esta biblioteca y paso casi todo mi tiempo de trabajo usándola y no tengo nada que no me guste de ella. **Recomendaciones a otros que estén considerando scikit-learn:** Recomiendo usar scikit learn a todos los ingenieros de aprendizaje automático u otro personal de este campo para implementar directamente una variedad de algoritmos en una sola línea de código. Como supongamos que si tienes que codificar un SVM para tu regresión, entonces codificarlo desde cero podría llevar tiempo, pero si usas scikit learn, puedes simplemente llamar al objeto SVM y usarlo para entrenar tus datos y predecir resultados o usar el modelo en consecuencia. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Soy ingeniero de aprendizaje automático en Innovatee IT Solutions, que proporciona soluciones de aprendizaje automático a todos los sectores industriales. Tengo que desarrollar varias aplicaciones en las que usamos algoritmos de ML directa o indirectamente y para esa implementación utilizo scikit-learn. Facilita mi trabajo y me ayuda a desarrollar aplicaciones que están a la altura para nuestros clientes. ### 32. Mejor módulo para clasificación, agrupamiento, análisis de sentimientos, graficar gráficos, etc. **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Software de Computadora | Pequeña Empresa (50 o menos empleados) **Reviewed Date:** May 09, 2019 **¿Qué es lo que más le gusta de scikit-learn?** La documentación es la mejor parte de este módulo. La facilidad de uso, las variadas funcionalidades y la facilidad de incorporar varios parámetros al mismo tiempo me hacen usar sci-kit learn una y otra vez. **¿Qué es lo que no le gusta de scikit-learn?** Literalmente no hay ningún inconveniente con este módulo. Diría que tener una comunidad activa al respecto sería más útil. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Análisis de sentimientos, clasificación, agrupamiento, trazado de diferentes curvas de aprendizaje ### 33. Mejor biblioteca de aprendizaje automático para Python. **Rating:** 5.0/5.0 stars **Reviewed by:** Sunil C. | Software Developer, Tecnología de la información y servicios, Empresa (> 1000 empleados) **Reviewed Date:** June 04, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Scikit-learn es la biblioteca más deseada para Python para cualquier ingeniero de aprendizaje automático para un proyecto de aprendizaje automático. Si tienes experiencia en ML y tienes un poco menos de conocimiento sobre su implementación, entonces puedes usar esto porque aquí puedes crear cualquier clasificador o modelo de regresión simplemente llamando a su objeto. Este objeto puede ser entrenado por tu conjunto de entrenamiento y este modelo ya entrenado puede ser utilizado para predecir los resultados futuros. El otro beneficio es que si deseas cambiar los parámetros del algoritmo particular, también se pueden cambiar llamando al objeto y pasando los valores necesarios. También tiene una documentación muy clara que es muy fácil de entender. **¿Qué es lo que no le gusta de scikit-learn?** No tengo mucho que desagradar de scikit-learn. **Recomendaciones a otros que estén considerando scikit-learn:** Recomendaría usar scikit-learn si desea implementar fácilmente modelos de aprendizaje automático para su empresa y estos modelos son algorítmicamente sólidos porque es la biblioteca que utilizan muchos grandes logros en este campo, por lo que también han contribuido a esta biblioteca ya que es de código abierto. Si está implementando algo relacionado con ML en su proyecto en Python, entonces opte por scikit-learn. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** En mi empresa, dondequiera que se mencione el aprendizaje automático, se utiliza scikit learn para implementar modelos de ML. Yo también he estado usando scikit learn para predecir varios resultados del mercado de valores para nuestra empresa de consultoría y también he utilizado scikit learn para implementar modelos relacionados con ML en cualquier software que nuestro cliente requiera, por lo que scikit learn es una parte integral de mí en lo que respecta al aprendizaje automático. ### 34. API de aprendizaje automático para Python **Rating:** 5.0/5.0 stars **Reviewed by:** Paresh A. | Software Engineer, Tecnología de la información y servicios, Empresa (> 1000 empleados) **Reviewed Date:** June 07, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Es una API o una biblioteca para Python para implementar algoritmos de aprendizaje automático declarando directamente los clasificadores y entrenando los datos en ellos. Al hacerlo, puedes generar un modelo y luego simplemente usar ese modelo para predecir los valores. Scikit-learn es una biblioteca de código abierto y es contribuida por muchos desarrolladores, y debido a esto tiene los mejores algoritmos que están implementados. Casi todos los algoritmos se pueden usar fácilmente con una sola línea de código y también se pueden modificar los parámetros según tus necesidades, por lo que es la mejor biblioteca. **¿Qué es lo que no le gusta de scikit-learn?** No tengo nada que desagradar de esta increíble biblioteca scikit-learn. **Recomendaciones a otros que estén considerando scikit-learn:** Recomiendo usar scikit learn a todos los desarrolladores de software y también a los desarrolladores de aprendizaje automático que deseen implementar algoritmos de aprendizaje automático sin la molestia de codificar todo el algoritmo, en su lugar, simplemente implementarlos con una línea de código usando scikit learn. También recomiendo scikit learn porque puedes cambiar los parámetros de algoritmos particulares como la tasa de aprendizaje según tus necesidades, así que lo recomiendo para el aprendizaje automático. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Soy ingeniero de software y implemento algoritmos de aprendizaje automático para varias empresas y proyectos que nuestros clientes nos dan. Y cuando se trata de aprendizaje automático, prefiero scikit-learn porque es la mejor biblioteca con casi todos los clasificadores y también un conjunto de datos de gran tamaño que está disponible con ella, por lo que se vuelve fácil desarrollar modelos comunes simplemente usando esos conjuntos de datos, por lo que es una gran biblioteca para nosotros. ### 35. Biblioteca clásica de ML **Rating:** 5.0/5.0 stars **Reviewed by:** Yash R. | Software Engineer, Software de Computadora, Mediana Empresa (51-1000 empleados) **Reviewed Date:** February 07, 2018 **¿Qué es lo que más le gusta de scikit-learn?** scikit learn es la biblioteca de aprendizaje automático implementada en python. Consiste en todos los algoritmos de aprendizaje automático como la regresión lineal, la regresión logística y muchos más algoritmos de agrupamiento preimplementados. Puedes usar tales algoritmos en tu conjunto de datos con solo una línea de código. Puedes entrenar el modelo en tu conjunto de datos y usar ese modelo para predecir valores futuros. También puedes guardar tu modelo entrenado y cambiar los parámetros del algoritmo para ajustar el algoritmo según tu uso. **¿Qué es lo que no le gusta de scikit-learn?** Es la biblioteca Classic ML para Python y no hay nada que no guste de ella. **Recomendaciones a otros que estén considerando scikit-learn:** Recomiendo usar scikit learn para implementar algoritmos de ML en su software usando python porque tiene una variedad de algoritmos implementados y también puede ajustar los parámetros de sus algoritmos según sus necesidades. Es, con mucho, la mejor biblioteca de ML para python y, por lo tanto, es la biblioteca más recomendada para implementar algoritmos de ML. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Utilizo la biblioteca sci-kit learn para implementar varios algoritmos de clasificación y regresión de aprendizaje automático en Python para integrar esos modelos entrenados en el software requerido por el cliente. Es tan simple de usar que incluso una persona con conocimientos básicos de ML puede implementar los algoritmos con facilidad. ### 36. Implementación de aprendizaje automático Biblioteca de Python **Rating:** 5.0/5.0 stars **Reviewed by:** Rahul C. | Software Engineer, Tecnología de la información y servicios, Empresa (> 1000 empleados) **Reviewed Date:** February 06, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Es la biblioteca de Python para implementar algoritmos de aprendizaje automático. Tiene varios algoritmos de aprendizaje automático preimplementados que puedes usar con solo una línea de código. Todos los clasificadores de aprendizaje automático son modificables según tus necesidades. Puedes entrenar tu modelo y guardarlo para su uso futuro y predecir resultados con mucha facilidad. Es la mejor biblioteca de ML para Python que puedes tener. **¿Qué es lo que no le gusta de scikit-learn?** Nada que desagradar sobre la extraordinaria biblioteca de aprendizaje automático. **Recomendaciones a otros que estén considerando scikit-learn:** IT es la mejor biblioteca de aprendizaje automático recomendada para Python. Es muy fácil implementar clasificadores de ML en cualquier tamaño de datos. Además, puedes escalar los datos usando scikit-learn, por lo que es la mejor biblioteca de ML para Python. Si deseas implementar modelos de ML en tus datos con facilidad, deberías usar scikit-learn. Así que definitivamente es la mejor biblioteca para ML. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Uso Scikit learn para implementar aprendizaje automático en nuestros softwares según los requisitos y datos de nuestros clientes. Es muy útil en el campo de la ciencia de datos para implementar varios clasificadores de ML en nuestros datos y utilizarlos según nuestro uso. Ha hecho que el trabajo de implementar los algoritmos de ML sea muy fácil. ### 37. Biblioteca de Aprendizaje Automático para Desarrolladores Principiantes **Rating:** 5.0/5.0 stars **Reviewed by:** Narendra N. | Senior Software Engineer, Tecnología de la información y servicios, Empresa (> 1000 empleados) **Reviewed Date:** January 23, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Scikit learn es una biblioteca de aprendizaje automático para Python. Puedes desarrollar y generar modelos de aprendizaje automático con mucha facilidad y también entrenar el modelo con solo una línea de código. Es tan fácil implementar algoritmos de aprendizaje automático que incluso los desarrolladores novatos pueden implementar fácilmente varios modelos de aprendizaje automático. También se puede utilizar para modificar las variables de los modelos y construir un modelo de acuerdo a tu uso. **¿Qué es lo que no le gusta de scikit-learn?** Es la mejor biblioteca de ML disponible para Python, así que no hay problemas con scikit learn. **Recomendaciones a otros que estén considerando scikit-learn:** Recomiendo usar scikit learn para implementar los modelos de ML fácilmente y sin más esfuerzo, y también puedes ajustar el modelo según tus necesidades y guardar el modelo entrenado. No encontrarás nada como esto en ninguna otra biblioteca. Si usas Python para la implementación de ML, scikit learn es el mejor marco que puedes tener. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Utilizo scikit learn para implementar y entrenar modelos de aprendizaje automático para mis sitios web y también para los softwares que desarrolla mi empresa. Utilizo scikit learn y ajusto el modelo de ML según las especificaciones del proyecto y luego desarrollo un modelo perfectamente entrenado y ajustado para el software. ### 38. Gran herramienta para el aprendizaje automático simple **Rating:** 3.5/5.0 stars **Reviewed by:** Usuario verificado en Gestión Educativa | Empresa (> 1000 empleados) **Reviewed Date:** February 12, 2019 **¿Qué es lo que más le gusta de scikit-learn?** Ofrece una amplia variedad de algoritmos tradicionales de aprendizaje automático. **¿Qué es lo que no le gusta de scikit-learn?** No es muy cómodo de usar mientras se trabaja en una Red Neuronal Profunda. **Recomendaciones a otros que estén considerando scikit-learn:** Introduce la caja de herramientas de aprendizaje profundo **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Algoritmo de Bosque Aleatorio, SVM, Popularidad de Noticias en Línea ### 39. mejor biblioteca de aprendizaje automático disponible. **Rating:** 5.0/5.0 stars **Reviewed by:** vivek s. | Software Developer, Seguridad de Redes y Computadoras, Mediana Empresa (51-1000 empleados) **Reviewed Date:** February 13, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Entrenar tus datos con scikit-learn es muy fácil. Con scikit-learn puedes desarrollar rápidamente un clasificador y tener tus modelos de regresión preparados en muy poco tiempo. Lo mejor de scikit-learn es que puedes guardar tu modelo y tus datos entrenados para su uso posterior. **¿Qué es lo que no le gusta de scikit-learn?** scikit-learn es una biblioteca de ML muy buena, no hay nada que no guste de ella. **Recomendaciones a otros que estén considerando scikit-learn:** scikit-learn es una biblioteca de aprendizaje automático excepcionalmente robusta y versátil hasta la fecha. No encontrarás ningún reemplazo para esta biblioteca. scikit-learn contiene todos los algoritmos de ML preimplementados que ayudan mucho. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Estamos desarrollando software basado en análisis de sentimientos y sistema de recomendación con la ayuda de scikit-learn. Nos proporciona las funciones integradas y nos ayuda a desarrollar el software para los clientes rápidamente. ### 40. Una gran biblioteca para el aprendizaje automático en Python. **Rating:** 5.0/5.0 stars **Reviewed by:** ishnat s. | Software Engineer, Servicios de información, Mediana Empresa (51-1000 empleados) **Reviewed Date:** February 09, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Scikit learn es una gran biblioteca que contiene todos los módulos necesarios para el aprendizaje automático. También ayuda al desarrollador a crear máquinas en IA y nos ayuda a entrenar el software. Scikit learn es la biblioteca más avanzada para el aprendizaje automático utilizada en Python debido a sus vastas aplicaciones, su gran interfaz de usuario y la inclusión de diferentes funciones. Y también se puede implementar en diferentes plataformas de repositorios como Github. **¿Qué es lo que no le gusta de scikit-learn?** Lo único que no me gusta de scikit learn es que requiere un alto poder de computación, por lo que se puede usar en máquinas con un pequeño número de núcleos. **Recomendaciones a otros que estén considerando scikit-learn:** Recomendaría esta biblioteca para el uso extensivo de bibliotecas de aprendizaje automático. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** He desarrollado un sistema de recomendación utilizando scikit learn y se basó en recomendar películas. ### 41. Biblioteca de ML de Python con gran documentación **Rating:** 5.0/5.0 stars **Reviewed by:** Nupur M. | Senior Software Engineer, Software de Computadora, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** February 09, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Lo mejor que diría es que es de código abierto. Además, la documentación es muy buena, cualquier principiante puede aprender fácilmente a usar scikit-learn con esta documentación. Junto con la documentación, los algoritmos que proporcionan son muy eficientes y rápidos. Casi todos los algoritmos de aprendizaje automático están disponibles, por lo que se convierte en un lugar único y también el mejor para un entusiasta del aprendizaje automático. **¿Qué es lo que no le gusta de scikit-learn?** Usando scikit-learn para todas mis tareas de aprendizaje automático, así que diría 'sin disgustos'. **Recomendaciones a otros que estén considerando scikit-learn:** Proporcionan tutoriales en su sitio web principal: http://scikit-learn.org en cada sección. Han sido de gran ayuda para mí personalmente. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Lo utilizo para todas mis tareas de aprendizaje automático y para cada aplicación que creo donde se utiliza el aprendizaje automático. ### 42. Mejor biblioteca de ML (aprendizaje automático) documentada **Rating:** 5.0/5.0 stars **Reviewed by:** Jash S. | Software Engineer, Software de Computadora, Mediana Empresa (51-1000 empleados) **Reviewed Date:** December 11, 2017 **¿Qué es lo que más le gusta de scikit-learn?** Scikit learn es la biblioteca para aprendizaje automático que está bien documentada, de modo que un desarrollador de aprendizaje automático inexperto también puede usarla. Los algoritmos que están implementados en la biblioteca son los algoritmos comunes de aprendizaje automático y pueden escalar para casi cualquier tamaño de datos. Puedes usar fácilmente los algoritmos de aprendizaje automático en un programa normal de Python y aprovechar el análisis de datos a través del aprendizaje automático usando scikit learn. **¿Qué es lo que no le gusta de scikit-learn?** Scikit learn no ha dejado ninguna pista falsa además de eso, no puedes encontrar ni una sola evidencia para no gustarte. **Recomendaciones a otros que estén considerando scikit-learn:** Recomiendo scikit learn como la mejor biblioteca de aprendizaje automático para cualquier conjunto de datos para implementar varios algoritmos de aprendizaje automático. Y es de código abierto y mejora día a día. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Utilizamos scikit learn para implementar varios algoritmos de ML a través de Python. Usando esos algoritmos obtenemos nuestros análisis de datos y predicciones del mercado de valores. También proporcionamos varias soluciones a nuestros clientes a través de algoritmos de ML según nuestro uso. Recientemente construimos un modelo para una empresa para la predicción del precio de las acciones de algunas de sus empresas dependientes. ### 43. Mejor biblioteca de Machine Learning **Rating:** 5.0/5.0 stars **Reviewed by:** Kartik B. | Senior Software Engineer, Software de Computadora, Mediana Empresa (51-1000 empleados) **Reviewed Date:** December 06, 2017 **¿Qué es lo que más le gusta de scikit-learn?** La mejor biblioteca de aprendizaje automático que he encontrado en la web. Es la biblioteca que utilizan los expertos para ejercicios de aprendizaje automático. Con scikit-learn puedes desarrollar fácilmente tu clasificador o modelo de regresión en una sola línea y luego entrenar tus datos a través de ese clasificador pasando los datos de entrenamiento, y también puedes guardar el modelo entrenado y usarlo en el futuro. También puedes personalizar los famosos algoritmos de aprendizaje automático y ajustarlos según tu uso. **¿Qué es lo que no le gusta de scikit-learn?** Nada que desagradar sobre la mejor biblioteca de aprendizaje automático. **Recomendaciones a otros que estén considerando scikit-learn:** Scikit-Learn es la mejor y garantizada biblioteca de aprendizaje automático recomendada para todos los desarrolladores de aprendizaje automático en la sociedad porque no encontrarás ninguna otra biblioteca que te ofrezca algoritmos preimplementados que puedes usar escribiendo solo una línea y ajustando los parámetros del algoritmo según tu uso. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Utilizamos scikit-learn para desarrollar el modelo de entrenamiento tanto para nuestro uso como para el de otras empresas que requieren modelos predictivos para su uso diario. También desarrollamos modelos predictivos para nuestros clientes y les proporcionamos una aplicación funcional que está ajustada y funciona de acuerdo a sus requisitos, por lo que scikit-learn es lo mejor para nosotros. ### 44. Biblioteca de Aprendizaje Automático de Código Abierto **Rating:** 5.0/5.0 stars **Reviewed by:** Riya T. | Senior Software Engineer, Software de Computadora, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** April 16, 2018 **¿Qué es lo que más le gusta de scikit-learn?** - Es de código abierto. - Tiene un gran apoyo de la comunidad. - Se pueden encontrar fácilmente tutoriales para aprenderlo. - Documentación detallada con detalles. **¿Qué es lo que no le gusta de scikit-learn?** Ha sido mi mano amiga cuando se trata de Aprendizaje Automático. No tengo ningún problema ni desagrado por esta biblioteca tan grande y útil. **Recomendaciones a otros que estén considerando scikit-learn:** La documentación proporciona una explicación detallada de cada algoritmo con ejemplos. También recomiendo los tutoriales de sentdex en YouTube. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Usándolo para construir proyectos basados en aprendizaje automático. ### 45. La biblioteca de aprendizaje automático más confiable y eficiente. **Rating:** 5.0/5.0 stars **Reviewed by:** Rahul S. | Machine Learning Engineer, Software de Computadora, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** February 11, 2018 **¿Qué es lo que más le gusta de scikit-learn?** La mayoría de los problemas complejos se resuelven fácilmente con la ayuda de su potencial para seleccionar algoritmos. También cubre la mayoría de las tareas de aprendizaje automático. Tiene una gran interfaz y es un módulo bien actualizado. La escalabilidad y la robustez lo hacen muy fácil de usar. **¿Qué es lo que no le gusta de scikit-learn?** No es muy probable que se utilice donde hay un alto requerimiento de información estadística. **Recomendaciones a otros que estén considerando scikit-learn:** Recomendar scikit-learn a otros sería un gran placer para mí. Su calidad de soporte y, además, una API bien documentada lo convierte en una de las mejores bibliotecas de aprendizaje automático hasta ahora. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Procesamiento de imágenes. Reconocimiento de rostros así como de escritura a mano. También en la generación de conjuntos de datos de etiquetas múltiples. ### 46. Una de las mejores bibliotecas de aprendizaje automático para el lenguaje de programación Python. **Rating:** 5.0/5.0 stars **Reviewed by:** Sunny S. | Machine Learning Engineer, Software de Computadora, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** February 11, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Cubre la mayoría de las tareas de aprendizaje automático. Se adapta a la mayoría de los problemas de datos. La selección de algoritmos sólidos. Un módulo bien actualizado. Su documentación API. El soporte para el cliente. Es robusto y fácil de usar. **¿Qué es lo que no le gusta de scikit-learn?** No admite la aceleración de GPU. Tiene menos enfoque en estadísticas que R. **Recomendaciones a otros que estén considerando scikit-learn:** Definitivamente recomendaría usar scikit-learn ya que tiene una API bien documentada y también es fácil de usar. Es más adecuado para implementar la mayoría de las tareas de aprendizaje automático. Tiene un gran soporte al cliente. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Audio, texto e imagen categorización. Bioinformática. Problemas de clasificación multietiqueta y clasificación multiclase. Carga y generación de conjuntos de datos multietiqueta. ### 47. Muy bien documentada biblioteca de ML para Python **Rating:** 5.0/5.0 stars **Reviewed by:** Jeel L. | Senior Software Engineer, Software de Computadora, Pequeña Empresa (50 o menos empleados) **Reviewed Date:** January 12, 2018 **¿Qué es lo que más le gusta de scikit-learn?** La documentación es limpia y clara, uno puede entenderla fácilmente. Si enfrentas algún problema, puedes encontrar fácilmente la solución en internet, ya que hay muchas personas usándola en todo el mundo. Casi la uso en todas partes donde utilizo el aprendizaje automático. **¿Qué es lo que no le gusta de scikit-learn?** No hay disgustos por una biblioteca tan bien documentada y útil. **Recomendaciones a otros que estén considerando scikit-learn:** Hay muchos tutoriales disponibles en internet, pero personalmente recomiendo este canal de YouTube: https://www.youtube.com/user/sentdex para comenzar con scikit-learn. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** De todos los proyectos de ML en los que trabajamos en Techy Developers, usamos scikit-learn como biblioteca de ML. Funciona de maravilla, ha producido excelentes resultados cada vez que se utiliza. ### 48. Gran biblioteca de Python para el aprendizaje automático **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Telecomunicaciones | Empresa (> 1000 empleados) **Reviewed Date:** December 06, 2017 **¿Qué es lo que más le gusta de scikit-learn?** Scikit-learn es una biblioteca de Python bien documentada que ofrece fácil acceso a muchos algoritmos de aprendizaje automático destacados. La biblioteca está diseñada de tal manera que tiene una API consistente independientemente del algoritmo que elijas usar, por lo que es fácil aprender y probar un nuevo algoritmo que nunca hayas usado antes. **¿Qué es lo que no le gusta de scikit-learn?** Como ocurre con cualquier biblioteca de este tipo (compilación de muchos algoritmos diferentes), no siempre contiene el contenido que estás buscando. Scikit-learn solo contiene los algoritmos más populares, por lo que si estás buscando una implementación de un algoritmo más especializado, es muy posible que no lo encuentres en la biblioteca. **Recomendaciones a otros que estén considerando scikit-learn:** Asegúrate de leer la documentación en profundidad. La API es intuitiva pero requiere comprensión de cómo funcionan los algoritmos de aprendizaje automático a un nivel alto. La mayoría de las herramientas básicas y comunes de transformación y manipulación de datos ya están integradas, así que intenta usar esas a menos que tu conjunto de datos requiera algo más especializado. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Utilizo scikit-learn para acceder a algoritmos de aprendizaje no supervisado para agrupar filas de datos y unir conjuntos de datos sin relaciones predefinidas. Esto ha llevado a una categorización de productos a un nivel más bajo de lo que había estado disponible hasta ahora debido a la naturaleza de los datos de mi empresa. ### 49. Scikit-learn es un paquete realmente increíble incluido en Python. **Rating:** 5.0/5.0 stars **Reviewed by:** Usuario verificado en Educación superior | Empresa (> 1000 empleados) **Reviewed Date:** April 23, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Puedes hacer clasificación, agrupamiento, regresión, preprocesamiento y mucho más. Si estás trabajando en investigación basada en aprendizaje automático, te recomendaría encarecidamente este paquete. **¿Qué es lo que no le gusta de scikit-learn?** Nada es desagradable. Todo viene sin costo y es realmente eficiente. Solo necesitas saber programación básica en Python. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** Lo estoy utilizando en mi trabajo de investigación relacionado con el procesamiento de señales y el aprendizaje automático. ### 50. Scikit learn es bueno **Rating:** 4.5/5.0 stars **Reviewed by:** Usuario verificado en Atención hospitalaria y sanitaria | Empresa (> 1000 empleados) **Reviewed Date:** June 25, 2018 **¿Qué es lo que más le gusta de scikit-learn?** Tiene las mejores bibliotecas que pueden ejecutarse en datos. Es principalmente útil cuando estás haciendo aprendizaje automático supervisado o no supervisado en tus datos. **¿Qué es lo que no le gusta de scikit-learn?** Python es lento. Por lo tanto, usar las bibliotecas hace que el análisis de datos sea lento. **Recomendaciones a otros que estén considerando scikit-learn:** Scikit learn es increíble, tiene muchas características para el aprendizaje automático. **¿Qué problemas resuelve scikit-learn y cómo le beneficia eso?** análisis de riesgo de crédito, Bibliotecas directas disponibles para muchos algoritmos de aprendizaje automático ## scikit-learn Discussions - [¿Para qué se utiliza scikit-learn?](https://www.g2.com/es/discussions/scikit-learn-what-is-scikit-learn-used-for) - 2 comments - [¿Qué es Python Scikit learn?](https://www.g2.com/es/discussions/what-is-python-scikit-learn) - 1 comment - [View scikit-learn pricing details and edition comparison](https://www.g2.com/es/products/scikit-learn/reviews?section=pricing&secure%5Bexpires_at%5D=2026-06-12+08%3A46%3A24+-0500&secure%5Bsession_id%5D=5d791f61-9fc2-44fe-95d2-186e12a7c982&secure%5Btoken%5D=0a9f762f5d83c7688c9bd3395acfab6dcadfef2e57df2667b74681c5f522361d&format=llm_user) ## scikit-learn Features **Integración - Aprendizaje Automático** - Integración **Aprendizaje - Aprendizaje automático** - Datos de entrenamiento - Información Accionable - Algoritmo ## Top scikit-learn Alternatives - [MLlib](https://www.g2.com/es/products/mllib/reviews) - 4.1/5.0 (14 reviews) - [Weka](https://www.g2.com/es/products/weka/reviews) - 4.3/5.0 (13 reviews) - [Google Cloud TPU](https://www.g2.com/es/products/google-cloud-tpu/reviews) - 4.5/5.0 (33 reviews)