Recensioni e Dettagli del Prodotto scikit-learn

Immagino che questa sia la libreria con cui ogni principiante che sta imparando il machine learning inizia, e così anch'io. Questa è una libreria molto pulita dove si ottiene il codice logico di base di molti algoritmi come regressione, classificazione e clustering, ecc. Poiché l'algoritmo è pre-scritto, mi concentro solo sull'addestramento dei dati e sull'output. Ha un'API molto pulita e fluida. Recensione raccolta e ospitata su G2.com.

Come detto in precedenza, è per principianti e se non conosci Python, ti ci vorrà molto tempo per capire come funziona ogni cosa. Non supporta modelli pesanti (se provi a crearli, inizia a rallentare e non fornisce l'output desiderato). Ha anche una personalizzazione limitata per gli algoritmi, come le scatole nere e il controllo fine non è sempre facile. Recensione raccolta e ospitata su G2.com.

Gli utenti che desiderano connettere gli algoritmi alle loro piattaforme troveranno documentazione dettagliata dell'API sul sito web di scikit-learn. Molti collaboratori, autori e una grande comunità internazionale online supportano e aggiornano Scikit-learn. È facile da usare. La libreria è pubblicata sotto la licenza BSD, quindi è disponibile gratuitamente con solo le restrizioni legali e di licenza più basilari. Il pacchetto scikit-learn è estremamente adattabile e utile, e può essere utilizzato per una varietà di compiti del mondo reale, come sviluppare neuroimmagini, prevedere il comportamento dei consumatori, ecc. Recensione raccolta e ospitata su G2.com.

Non è una grande scelta se si preferisce un apprendimento approfondito. Fornisce un'astrazione semplice che può tentare i principianti di data science a continuare senza prima imparare i concetti di base. Recensione raccolta e ospitata su G2.com.

Mi piace quanto sia dinamica la libreria scikit-learn. Fornisce funzioni pre-caricate e pronte all'uso per tutti i tipi di algoritmi di apprendimento automatico e di preprocessamento dei dati. Recensione raccolta e ospitata su G2.com.

L'unico svantaggio è la mancanza di supporto nativo per le librerie di deep learning. Recensione raccolta e ospitata su G2.com.

Scikit-learn è costruito sopra librerie numeriche efficienti, come NumPy e SciPy, che forniscono implementazioni ottimizzate di operazioni matematiche e numeriche. Questo assicura che la libreria possa gestire grandi set di dati e calcoli complessi in modo efficiente, contribuendo alla sua robustezza e scalabilità. Recensione raccolta e ospitata su G2.com.

Sebbene scikit-learn offra una gamma di strumenti per la selezione, l'estrazione e la trasformazione delle caratteristiche, non offre ampie capacità di ingegneria delle caratteristiche automatizzata come quelle presenti in alcune librerie specializzate. Gli utenti potrebbero dover ingegnerizzare o selezionare manualmente le caratteristiche basandosi sulla loro conoscenza del dominio o esplorare altre librerie o tecniche di ingegneria delle caratteristiche. Recensione raccolta e ospitata su G2.com.

La cosa migliore, secondo me, è che c'è la documentazione disponibile di scikit-learn. Quindi, se a volte trovo difficile applicare alcuni algoritmi, posso controllare la documentazione, che mi aiuta. Mi piace questa cosa. Scikit-learn fornisce anche molti dataset integrati in modo che io possa usarli per scopi di pratica. Scikit-learn viene fornito con molti algoritmi di machine learning, il che rende facile per me implementare algoritmi. Mi piace che venga fornito con molte funzioni di manipolazione dei dati per pulire i miei dati secondo le mie esigenze. Recensione raccolta e ospitata su G2.com.

Una cosa che non apprezzo particolarmente è che non ha alcun algoritmo di Deep Learning. Se voglio sviluppare un algoritmo pronto per la produzione, allora scikit-learn non è così eccezionale rispetto ai loro concorrenti. Recensione raccolta e ospitata su G2.com.

La libreria scikit-learn è molto facile da importare e pronta all'uso per la piattaforma Python. Contiene anche alcuni set di dati di esempio per provare gli algoritmi di apprendimento automatico. Recensione raccolta e ospitata su G2.com.

Non c'è alcun punto che non mi piaccia nella libreria scikit-learn. La maggior parte degli algoritmi di machine learning più comuni e recenti sono disponibili per l'uso. Recensione raccolta e ospitata su G2.com.

Quello che mi piace di Scikitlearn è la sua documentazione, la chiarezza e la versatilità del kit. Recensione raccolta e ospitata su G2.com.

Finora non c'è nulla che non mi piaccia. Recensione raccolta e ospitata su G2.com.

Sessione informativa e strumenti avanzati per l'apprendimento Recensione raccolta e ospitata su G2.com.

La durata del tempo, la clip dovrebbe essere più lunga e più elaborata. Recensione raccolta e ospitata su G2.com.

È molto utile all'inizio per il data mining e l'analisi dei dati. Facile da usare. Fornisce la massima efficienza con il minimo sforzo. Elaborazione dei dati, regressione, riduzione dimensionale, classificazione, analisi dei cluster sono le funzionalità che utilizzo. È completamente gratuito. Recensione raccolta e ospitata su G2.com.

Funziona lentamente su grandi set di dati. Può migliorare nella classificazione. Recensione raccolta e ospitata su G2.com.

Mi piace molto quando risolvo un problema di Machine Learning, ha molti modelli ML integrati che sono difficili da implementare ma qui sono facili da usare. Recensione raccolta e ospitata su G2.com.

Sento che dovrebbe avere molti più buoni modelli di reti neurali profonde. Recensione raccolta e ospitata su G2.com.