# scikit-learn Reviews **Vendor:** scikit-learn **Category:** [Software di apprendimento automatico](https://www.g2.com/it/categories/machine-learning) **Average Rating:** 4.8/5.0 **Total Reviews:** 60 ## About scikit-learn Scikit-learn è una libreria software di apprendimento automatico per il linguaggio di programmazione Python che include vari algoritmi di classificazione, regressione e clustering, tra cui macchine a vettori di supporto, foreste casuali, gradient boosting, k-means e DBSCAN, ed è progettata per interoperare con le librerie numeriche e scientifiche di Python, NumPy e SciPy. ## scikit-learn Pros & Cons **What users like:** - Gli utenti apprezzano la **facilità d'uso** di scikit-learn, rendendolo perfetto per i principianti nel machine learning. (1 reviews) - Gli utenti amano scikit-learn per la sua **API pulita e intuitiva** , rendendo l'apprendimento automatico accessibile ai principianti. (1 reviews) - Gli utenti trovano **l'API pulita e gli algoritmi pre-scritti** di scikit-learn essenziali per apprendere e implementare l'apprendimento automatico in modo efficiente. (1 reviews) **What users dislike:** - Gli utenti riscontrano **problemi di ritardo** con modelli pesanti in scikit-learn, ostacolando l'efficienza delle prestazioni e la qualità dell'output. (1 reviews) - Gli utenti trovano **la personalizzazione limitata** in scikit-learn frustrante, ostacolando la loro capacità di adattare efficacemente gli algoritmi. (1 reviews) - Gli utenti trovano che il **tempo necessario** per imparare scikit-learn possa essere significativo, soprattutto per coloro che sono nuovi a Python. (1 reviews) ## scikit-learn Reviews ### 1. Biblioteca Perfetta per Principianti di Machine Learning **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Istruzione superiore | Mid-Market (51-1000 dip.) **Reviewed Date:** December 17, 2025 **Cosa Le piace di più di 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. **Cosa non Le piace di scikit-learn?** 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. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** È molto utile addestrare il modello come detto in precedenza, poiché contiene molti algoritmi, quindi non devo scrivere il codice da zero. Durante il mio periodo universitario mi ha aiutato a creare 2-3 modelli raggiungendo un'accuratezza di circa l'80 percento. Questo ha suscitato il mio interesse in questo campo e ho deciso di passare a TensorFlow per ulteriori approfondimenti. ### 2. libreria di Python **Rating:** 4.5/5.0 stars **Reviewed by:** Diana B. | Piccola impresa (50 o meno dip.) **Reviewed Date:** May 02, 2023 **Cosa Le piace di più di scikit-learn?** 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. **Cosa non Le piace di scikit-learn?** 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. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Scikit-learn ci permette di definire algoritmi di apprendimento automatico e confrontarli tra loro, oltre a offrire strumenti per preprocessare i dati. Il clustering K-means, le foreste casuali, le macchine a vettori di supporto e qualsiasi altro modello di apprendimento automatico che vogliamo sviluppare sono inclusi in Scikit-learn. ### 3. La migliore libreria open source per l'apprendimento automatico. **Rating:** 5.0/5.0 stars **Reviewed by:** Palash S. | Graduate Research Assistant, Mid-Market (51-1000 dip.) **Reviewed Date:** September 20, 2023 **Cosa Le piace di più di scikit-learn?** 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. **Cosa non Le piace di scikit-learn?** L'unico svantaggio è la mancanza di supporto nativo per le librerie di deep learning. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** la maggior parte del tempo utilizzo la libreria sci-kit-learn per scopi di regressione nella previsione delle vendite. ### 4. scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Kitriakos S. | Mid-Market (51-1000 dip.) **Reviewed Date:** June 09, 2023 **Cosa Le piace di più di scikit-learn?** 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. **Cosa non Le piace di scikit-learn?** 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. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Scikit-learn include funzionalità per il preprocessing del testo, l'estrazione di caratteristiche dai dati testuali e la costruzione di modelli di machine learning per compiti di NLP. Offre metodi per vettorizzare il testo utilizzando tecniche come bag-of-words, TF-IDF e word embeddings. Questo lo rende utile per compiti come l'analisi del sentiment, la classificazione del testo e il clustering dei documenti. ### 5. Libreria di Machine Learning che Devi Conoscere **Rating:** 4.5/5.0 stars **Reviewed by:** Chandresh M. | System Engineer, Mid-Market (51-1000 dip.) **Reviewed Date:** September 23, 2021 **Cosa Le piace di più di scikit-learn?** 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. **Cosa non Le piace di scikit-learn?** 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. **Raccomandazioni per chi sta considerando scikit-learn:** Se sei un principiante nello sviluppo di Machine Learning, allora dovresti iniziare con la libreria scikit-learn, che ti fornisce molti algoritmi di Machine Learning così puoi impararli. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Sto usando scikit-learn per sviluppare applicazioni di Machine Learning. ### 6. scikit-learn è la migliore libreria di machine learning per la piattaforma Python **Rating:** 5.0/5.0 stars **Reviewed by:** Dr. Jayant J. | Assistant Professor, Mid-Market (51-1000 dip.) **Reviewed Date:** January 19, 2022 **Cosa Le piace di più di scikit-learn?** 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. **Cosa non Le piace di scikit-learn?** 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. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Uso la libreria scikit-learn per risolvere problemi di machine learning. ### 7. La migliore libreria per la scienza dei dati **Rating:** 5.0/5.0 stars **Reviewed by:** Joaquín A. | Data-analyst, Mid-Market (51-1000 dip.) **Reviewed Date:** December 23, 2021 **Cosa Le piace di più di scikit-learn?** Quello che mi piace di Scikitlearn è la sua documentazione, la chiarezza e la versatilità del kit. **Cosa non Le piace di scikit-learn?** Finora non c'è nulla che non mi piaccia. **Raccomandazioni per chi sta considerando scikit-learn:** Consiglio vivamente Scikitlearn. È un'opzione fantastica per progetti di machine learning. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** È la mia prima opzione quando faccio modellazione dei dati e apprendimento automatico. ### 8. Informativo **Rating:** 5.0/5.0 stars **Reviewed by:** Aarti M. | Senior Officer- Client success, Enterprise (> 1000 dip.) **Reviewed Date:** January 19, 2022 **Cosa Le piace di più di scikit-learn?** Sessione informativa e strumenti avanzati per l'apprendimento **Cosa non Le piace di scikit-learn?** La durata del tempo, la clip dovrebbe essere più lunga e più elaborata. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** problemi quotidiani ### 9. Libreria di machine learning di base **Rating:** 4.5/5.0 stars **Reviewed by:** deniz y. | Business Intelligence Manager, Piccola impresa (50 o meno dip.) **Reviewed Date:** September 24, 2021 **Cosa Le piace di più di scikit-learn?** 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. **Cosa non Le piace di scikit-learn?** Funziona lentamente su grandi set di dati. Può migliorare nella classificazione. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Posso elaborare automaticamente i dati pre-categorizzati. ### 10. Disponibilità di funzioni integrate e semplice da usare **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Wireless | Mid-Market (51-1000 dip.) **Reviewed Date:** October 11, 2021 **Cosa Le piace di più di scikit-learn?** 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. **Cosa non Le piace di scikit-learn?** Sento che dovrebbe avere molti più buoni modelli di reti neurali profonde. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Modellazione di apprendimento automatico per progetti di elaborazione del linguaggio e delle immagini ### 11. Essere familiari con questo framework è un must per i professionisti della scienza dei dati e del machine learning! **Rating:** 5.0/5.0 stars **Reviewed by:** Devwrat T. | Project Manager, Enterprise (> 1000 dip.) **Reviewed Date:** September 15, 2020 **Cosa Le piace di più di scikit-learn?** L'aspetto migliore di questo framework è la disponibilità di algoritmi ben integrati all'interno dell'ambiente di sviluppo Python. È abbastanza facile da installare nella maggior parte degli IDE Python e relativamente facile da usare. Molti tutorial sono accessibili online, il che aiuta a comprendere questa libreria permettendo di diventare esperti in machine learning. È stato chiaramente costruito con una mentalità da ingegneria del software e, tuttavia, è molto flessibile per le ricerche. Essendo costruito sopra molteplici librerie basate sulla matematica e sui dati, scikit-learn permette un'integrazione senza soluzione di continuità tra tutte. Essere in grado di utilizzare array numpy e dataframe pandas all'interno dell'ambiente scikit-learn elimina la necessità di ulteriori trasformazioni dei dati. Detto ciò, si dovrebbe sicuramente familiarizzare con questa libreria facile da usare se si ha intenzione di diventare un professionista orientato ai dati. Potresti costruire un semplice modello di machine learning con solo 10 righe di codice! Con un sacco di funzionalità come la validazione del modello, la suddivisione dei dati per l'addestramento/test e molte altre, l'approccio open source di scikit-learn facilita una curva di apprendimento gestibile. **Cosa non Le piace di scikit-learn?** Un problema che mi ha perseguitato e preoccupato da un po' di tempo è la mancanza di capacità di trasformazione delle variabili categoriche (è molto più facile in librerie come tensorflow). È relativamente più lento di tensorflow quando si tratta di grandi dataset e questo è qualcosa che dovrebbe essere adottato presto, specialmente nell'era delle tecnologie dei big data. Tuttavia, con la frequenza degli aggiornamenti, credo che la maggior parte dei problemi venga risolta molto rapidamente, rendendolo un pacchetto robusto per lo sviluppo del machine learning. **Raccomandazioni per chi sta considerando scikit-learn:** Incoraggia vivamente coloro che si stanno avvicinando al campo della Data Science/Analytics a immergersi a fondo in questa libreria, considerando la quantità di risorse disponibili online. Con l'interfaccia facile da usare, essendo open-source e la flessibilità e adattabilità con altri framework, il machine learning non potrebbe essere più semplice! Personalmente ritengo che iniziare con scikit-learn ti aiuterà ad adattarti ad altri strumenti di big data che circondano il machine learning come PySpark. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Poiché sono un professionista della scienza dei dati, utilizzo scikit-learn per creare modelli di analisi predittiva per la previsione della domanda e altre applicazioni. Scikit-learn è il miglior framework disponibile per assistere nello sviluppo di modelli di machine learning che mi ha permesso di partecipare e vincere in molte competizioni online. Uno dei principali vantaggi è la facilità di apprendimento e l'uso di questa libreria. Insieme alla quantità di risorse disponibili online per questa libreria, è la migliore libreria di ML disponibile. ### 12. Scikit è la piattaforma base per l'apprendimento automatico **Rating:** 4.5/5.0 stars **Reviewed by:** YOGESH B. | Mr, Enterprise (> 1000 dip.) **Reviewed Date:** June 01, 2020 **Cosa Le piace di più di scikit-learn?** È la piattaforma di machine learning, facile da imparare, facile da testare fornisce tutte le capacità che qualsiasi piattaforma di machine learning dovrebbe avere, molti algoritmi come encoder - binary encoder, one hot encoder fornisce implementazione per tutto l'apprendimento supervisionato e non supervisionato fornisce tutte le capacità per validare il modello possiamo integrare facilmente con matplotlib, pandas, numpy e per i serializzatori molti tutorial di esempio specifici disponibili su internet per i principianti È open source e totalmente gratuito molti altri prodotti open source e molti prodotti proprietari per ml sono sviluppati sopra la libreria sci kit poiché fornisce un'interfaccia python facile da imparare e integrare con molte altre piattaforme **Cosa non Le piace di scikit-learn?** ci sono due problemi che posso menzionare: 1. non è possibile scalare orizzontalmente 2. ci sono problemi quando abbiamo attributi categorici nelle variabili - codificarli in binario o one hot encoded non risolverà il problema Molte delle tecnologie recenti come h20, tensor flow offrono la possibilità di inserire attributi categorici come input per l'algoritmo **Raccomandazioni per chi sta considerando scikit-learn:** È facile da imparare e offre molti tutorial o materiali didattici. I principianti possono iniziare con sci kit learn e passare facilmente a qualsiasi altra piattaforma. Molti esempi sono disponibili su internet. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** stiamo usando sci ket per apprendere molti modelli per il rilevamento delle anomalie e anche per apprendere alcuni comportamenti degli utenti. Conserviamo il modello e lo passiamo ai dispositivi edge per applicare le previsioni. ### 13. Piattaforma di Machine Learning molto utile **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Istruzione superiore | Mid-Market (51-1000 dip.) **Reviewed Date:** June 29, 2020 **Cosa Le piace di più di scikit-learn?** È uno strumento molto potente utilizzato nella scienza dei dati, specialmente nel machine learning. È un pacchetto open source e gratuito che ha un grande ruolo nel machine learning. Ha una grande capacità di integrazione con altri pacchetti come matplotlib, numpy e pandas. Ha un ruolo importante negli algoritmi di scienza dei dati e machine learning. **Cosa non Le piace di scikit-learn?** Ha ottime caratteristiche. Tuttavia, ha alcuni svantaggi nel trattare con attributi categorici. Altrimenti è un pacchetto molto forte. Non vedo altri svantaggi nell'usare questo pacchetto. **Raccomandazioni per chi sta considerando scikit-learn:** Scikit-learn è un pacchetto molto utile e potente nella scienza dei dati e nell'apprendimento automatico. È un pacchetto gratuito e può essere integrato con altri pacchetti software. Raccomando questo pacchetto a tutti coloro che lavorano nel campo della scienza dei dati. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Faccio alcuni test sui modelli nella mia ricerca utilizzando il machine learning. Quindi, scikit-learn è molto utile e mi piace molto questo pacchetto. Essendo open source e integrabile con molte altre piattaforme, è unico e piacevole. Sto usando questo pacchetto ogni giorno. ### 14. Super utile per l'apprendimento automatico **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Enterprise (> 1000 dip.) **Reviewed Date:** January 11, 2018 **Cosa Le piace di più di scikit-learn?** Set di strumenti incredibilmente utile per il lavoro di machine learning e data science. Personalmente lo uso in Python ed è davvero utile. Alcuni pacchetti popolari come pandas, numpy e matplotlib aggiungono ancora più valore. Lo uso sempre accanto alle reti neurali e ottengo soluzioni come combinazione, e la soluzione che dà il miglior risultato spesso proviene da esso, lavorando su diversi punti. **Cosa non Le piace di scikit-learn?** No, non mi viene in mente nulla per la parte del dispiacere e l'ho usato per un paio d'anni in competizioni e progetti di machine learning. Aggiornano anche scikit-learn abbastanza spesso per risolvere eventuali problemi noti e apportare miglioramenti. **Raccomandazioni per chi sta considerando scikit-learn:** Consiglio vivamente il tutorial ufficiale che è estremamente utile per i principianti per iniziare; i codici di esempio inclusi e l'introduzione al machine learning sono anche degni di essere letti. Prova a seguire un paio di esempi lì in termini di diversi scenari di machine learning, è totalmente utile per ottenere una sensazione generale di come funziona il machine learning per scopi diversi. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Mi ha aiutato a partecipare a competizioni su Kaggle, stage e anche a un lavoro a tempo pieno. Serve per problemi di regressione classica, classificazione, previsione di serie temporali e altri tipi di problemi di machine learning. Apprezzo che l'intero progetto di machine learning end-to-end possa essere realizzato all'interno di scikit-learn. A partire dalla pre-elaborazione e pulizia dei dati, si può facilmente passare alla parte di modellazione con l'aiuto di utili funzioni integrate come train test split. Anche la regolazione dei parametri è conveniente in esso. ### 15. Destinato a quasi tutte le esigenze di Machine Learning **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Mid-Market (51-1000 dip.) **Reviewed Date:** January 29, 2020 **Cosa Le piace di più di scikit-learn?** Mi piace il fatto che includa una miriade di funzionalità e incorpori quasi tutti gli algoritmi di Machine Learning destinati all'apprendimento supervisionato e non supervisionato. Può essere utilizzato per sviluppare vari algoritmi di regressione, classificazione e clustering. Utilizza una gamma di algoritmi di machine learning, preprocessing, cross-validazione e visualizzazione. Fornisce tre metriche di regressione, ovvero l'Errore Assoluto Medio, l'Errore Quadratico Medio, il punteggio R². Fornisce anche tre metriche di classificazione, ovvero il punteggio di accuratezza, il rapporto di classificazione, la matrice di confusione. Inoltre, fornisce tre metriche di clustering, ovvero l'indice di rand aggiustato, l'omogeneità, la misura V. **Cosa non Le piace di scikit-learn?** Oltre all'incapacità di scalare bene, c'è anche il fatto che scikit-learn non fa assolutamente nulla per aiutare a distribuire il modello in produzione. **Raccomandazioni per chi sta considerando scikit-learn:** Tutte le funzioni e gli usi di Scikit learn sono molto ben documentati, quindi se dovessi mai trovarti bloccato con l'uso di qualche parametro o chiamate di funzione, una semplice ricerca nella documentazione e troverai la tua strada. È una buona libreria da usare per tutti i tuoi problemi di machine learning di base, che si tratti di classificazione, semplici analisi predittive o anche esplorazione dei dati, insieme a clustering e etichettatura ovviamente. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Ho usato scikit-learn per tutti i problemi di Machine Learning, sia per la classificazione o l'etichettatura, sia per il clustering. Fornisce le funzioni per ottimizzare il modello utilizzando la ricerca a griglia e l'ottimizzazione dei parametri randomizzati. Viene utilizzato per la classificazione, l'analisi predittiva e molti altri compiti di machine learning. ### 16. Il miglior strumento per il Machine Learning **Rating:** 4.5/5.0 stars **Reviewed by:** Meliksah T. | Engineer, Enterprise (> 1000 dip.) **Reviewed Date:** August 17, 2019 **Cosa Le piace di più di scikit-learn?** - Contiene molti algoritmi di apprendimento automatico come: random forest, albero decisionale, macchine a vettori di supporto, analisi discriminante lineare, analisi discriminante quadratica, regressione logistica, percettrone multistrato (reti neurali), naive bayes, altri algoritmi di boosting, knn, k-means (e altri algoritmi di clustering) - Contiene strumenti di preprocessing (normalizzazione, standardizzazione) - Contiene strumenti di ottimizzazione degli iperparametri (RandomSearchCV, GridSearchCV) - Contiene molti tipi di metriche per ottimizzare il modello (accuratezza, richiamo, precisione, f1_score, ecc.) E sommando tutto questo è possibile sviluppare e creare un'applicazione di apprendimento automatico end-to-end. Senza contare che tutto quanto sopra, insieme a scikit-learn nel suo complesso, è compatibile con altre librerie Python come pandas, numpy, mlxtend, matplotlib. **Cosa non Le piace di scikit-learn?** - Dovrebbe includere algoritmi all'avanguardia più recenti come XGBoost, Catboost, LightGBM. - Dovrebbe facilitare l'uso della GPU, altrimenti la regolazione degli iperparametri richiede troppo tempo. **Raccomandazioni per chi sta considerando scikit-learn:** La documentazione è ottima. Leggila e cerca su Google il più possibile, in modo da ottenere una buona comprensione della libreria. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Sto risolvendo problemi di machine learning con scikit-learn. Specificamente pulisco i dati, testo modelli di base, provo diversi algoritmi, li ottimizzo e finalizzo il modello. ### 17. Buono per l'apprendimento automatico **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Istruzione superiore | Mid-Market (51-1000 dip.) **Reviewed Date:** July 29, 2020 **Cosa Le piace di più di scikit-learn?** Vari modelli di apprendimento automatico e parametri facili da regolare. Inoltre, è facile applicare la trasformazione dei dati prima di adattare il modello. **Cosa non Le piace di scikit-learn?** Potresti aggiungere più esempi nella documentazione **Raccomandazioni per chi sta considerando scikit-learn:** Molte funzioni per preparare i dati per i modelli di apprendimento automatico **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Sottocampionamento e sovracampionamento ### 18. Machine Learning reso facile con Scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Stanley D. | Data Engineer, Hardware per computer, Piccola impresa (50 o meno dip.) **Reviewed Date:** June 27, 2019 **Cosa Le piace di più di scikit-learn?** 1. Amo il fatto di poter provare una varietà di algoritmi di apprendimento automatico senza doverli costruire da zero. Li chiamo semplicemente usando funzioni già disponibili. 2. Scikit-learn fornisce agli utenti una funzione per dividere un dataset dato in dati di addestramento e di validazione semplicemente passando solo un rapporto di divisione. 3. Scikit-learn si integra facilmente con altri framework di deep learning. **Cosa non Le piace di scikit-learn?** Non ho avuto alcun motivo per odiare scikit-learn al momento, poiché mi ha aiutato a raggiungere molto nel machine learning. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Il mio primo hackathon in assoluto, ho provato a costruire un modello di regressione lineare da zero, finché qualcuno non mi ha parlato di scikit-learn. Con esso, sono stato in grado di provare diversi algoritmi di apprendimento automatico disponibili. ### 19. La migliore libreria di Machine Learning per Python **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Mid-Market (51-1000 dip.) **Reviewed Date:** July 03, 2019 **Cosa Le piace di più di scikit-learn?** Scikit learn è semplicemente meraviglioso. Astrae tutte le complessità di diversi framework di machine learning. Scikit learn fornisce bellissime chiamate di funzione in una sola riga per funzioni davvero complesse e la documentazione è splendida. Un completo principiante può consultare la loro documentazione e capire poiché è leggibile da un essere umano. Oltre ai migliori modelli di machine learning che vanno dalla foresta casuale, agli alberi decisionali e alla regressione lineare, forniscono anche librerie per il preprocessing dei dati. Puoi fare il preprocessing dei dati, l'one hot encoding e molte altre cose con Scikit Learn. **Cosa non Le piace di scikit-learn?** I modelli di Scikit-learn richiedono molto tempo per l'addestramento e necessitano che i tuoi dati siano in un formato specifico. Questo può essere davvero stressante, specialmente quando i messaggi di errore non forniscono molte informazioni sul problema. **Raccomandazioni per chi sta considerando scikit-learn:** Scikit learn è una libreria meravigliosa per lo sviluppo rapido di machine learning e anche per costruire sistemi pronti per la produzione. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Faccio il mio apprendimento automatico generale con sci-kit learn. Mi ha permesso di diventare più produttivo e concentrarmi maggiormente sulla semplice costruzione di soluzioni, poiché posso semplicemente capire superficialmente come funziona un modello e usarlo senza entrare nei dettagli matematici coinvolti. ### 20. modelli di machine learning plug and play **Rating:** 4.0/5.0 stars **Reviewed by:** Vikas P. | Associate System Engineer , Piccola impresa (50 o meno dip.) **Reviewed Date:** May 28, 2019 **Cosa Le piace di più di scikit-learn?** Mi piace questa libreria perché è molto facile importarla e utilizzare i modelli di Machine Learning. Per installare scikit-learn è molto facile. Hanno molti modelli di machine learning come random forest, xgboost e molti altri. Non è necessario programmare da zero. Forniscono anche molti parametri per regolare i modelli, il che è utile. **Cosa non Le piace di scikit-learn?** È un po' plug and play, ma la personalizzazione è un po' difficile per i modelli di machine learning. Inoltre, rispetto a TensorFlow, è lento. **Raccomandazioni per chi sta considerando scikit-learn:** Se hai solo bisogno di un modello di apprendimento automatico e non vuoi ulteriori specifiche o personalizzazioni, puoi utilizzare scikit-learn. È facile da usare e implementare. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Per i modelli di machine learning generali, dove ho bisogno di modelli e non voglio personalizzare il modello, utilizzo i modelli predefiniti di scikit-learn. ### 21. recensione di scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Ricerca | Piccola impresa (50 o meno dip.) **Reviewed Date:** November 01, 2019 **Cosa Le piace di più di scikit-learn?** La parte migliore di scikit-learn è che offre una varietà di algoritmi di regressione, classificazione e clustering. La pagina di scikit-learn permette di vedere quali iperparametri devono essere utilizzati per i miei dati e quali valori dovrei assegnare. **Cosa non Le piace di scikit-learn?** Niente per ora, ma suppongo che potrebbe essere più veloce per grandi set di dati. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Ho usato scikit-learn per lavorare sui miei progetti del corso e per imparare come funzionano gli algoritmi e confrontarli per vedere qual è il migliore. ### 22. Utente di Python/sklearn **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Enterprise (> 1000 dip.) **Reviewed Date:** December 10, 2019 **Cosa Le piace di più di scikit-learn?** La documentazione di sklearn è estremamente buona, e un gran numero di analisi di machine learning possono essere fatte usando questa libreria. **Cosa non Le piace di scikit-learn?** Il numero di diversi iperparametri da impostare è enorme. **Raccomandazioni per chi sta considerando scikit-learn:** Il manuale è davvero utile. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Problemi di classificazione, regressione e clustering. ### 23. Scikit-Learn Una libreria obbligatoria per l'apprendimento automatico **Rating:** 5.0/5.0 stars **Reviewed by:** Jezz B. | Machine Learning Engineer, Internet, Enterprise (> 1000 dip.) **Reviewed Date:** November 06, 2018 **Cosa Le piace di più di scikit-learn?** La cosa migliore di scikit-learn è che rende l'implementazione e l'uso degli algoritmi di machine learning un gioco da ragazzi. Ho usato scikit-learn fin dall'inizio della mia carriera e anche durante i miei giorni da studente universitario l'ho utilizzato. Da allora è migliorato e ha anche aggiornato gli algoritmi. Usare scikit-learn accelererà davvero i tuoi compiti di implementazione di compiti di ML per il tuo servizio. **Cosa non Le piace di scikit-learn?** Niente da disprezzare su scikit learn. Direi che è davvero una buona libreria. **Raccomandazioni per chi sta considerando scikit-learn:** Direi che scikit-learn vale davvero la pena di essere utilizzato e ti suggerirei e raccomanderei di provarlo una volta e di usare scikit-learn per implementare e utilizzare algoritmi di machine learning. Usare scikit-learn è molto facile e anche un nuovo utente si adatterebbe facilmente. Queste funzionalità sono difficili da trovare altrove e anche in open source. Quindi raccomanderei di usare scikit-learn. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Uso scikit-learn da 5 anni e l'ho utilizzato a tal punto che a volte fornisco aggiornamenti git push alla libreria quando lo ritengo opportuno. L'ho usato per implementare tutti i compiti relativi al machine learning come l'addestramento dell'algoritmo, lo sviluppo dell'algoritmo, nonché la pre-elaborazione e il calcolo delle accuratezze e la loro rappresentazione grafica. È una libreria davvero richiesta che puoi usare per la tua comodità. ### 24. Buona esperienza **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Tecnologia dell'informazione e servizi | Enterprise (> 1000 dip.) **Reviewed Date:** October 02, 2019 **Cosa Le piace di più di scikit-learn?** È una soluzione per compiti di Machine Learning. Hai anche tecniche di ottimizzazione (usa gridsearchcv o randomsearchcv). Ha anche un cheatsheet o un percorso per descrivere quale algoritmo un utente dovrebbe usare. **Cosa non Le piace di scikit-learn?** Non c'è implementazione del classificatore Catbooster, del classificatore lightGBM e di molti altri. **Raccomandazioni per chi sta considerando scikit-learn:** Molto utile **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Lo rende facile da usare grazie alla precisione predefinita, al punteggio, alla convalida incrociata, alle tecniche di ottimizzazione. ### 25. API di machine learning e deep learning per Python **Rating:** 5.0/5.0 stars **Reviewed by:** Julia P. | Machine Learning Engineer, Tecnologia dell'informazione e servizi, Enterprise (> 1000 dip.) **Reviewed Date:** October 19, 2018 **Cosa Le piace di più di scikit-learn?** La cosa migliore che ho iniziato ad apprezzare di scikit-learn è la facilità di creare ed eseguire un algoritmo di machine learning per qualsiasi modello. Se hai bisogno di un KNN per il riconoscimento facciale, basta chiamare il classificatore Knn con i parametri iper corretti e usarlo nel tuo modello di riconoscimento facciale con pochissime righe di codice e molta semplicità. Se hai bisogno di utilizzare un modello di regressione lineare, basta chiamare il suo oggetto, addestrare i tuoi dati su di esso e prevedere quando necessario. È molto semplice da usare e questo è ciò che lo rende più interessante. Oltre a questo, viene fornito con molti dataset personalizzati che possono essere importati e utilizzati direttamente. **Cosa non Le piace di scikit-learn?** No, non ho ancora trovato nulla da non apprezzare in questa fantastica libreria. **Raccomandazioni per chi sta considerando scikit-learn:** Sì, ci sono molteplici ragioni per considerare di raccomandare scikit-learn per qualsiasi progetto o prodotto di machine learning. Ogni volta che lavori su un progetto del genere, costruire tutto da zero è davvero un pasticcio; invece, perché non costruire il progetto secondo le tue esigenze utilizzando semplici pezzi di lego come funzioni e integrarli tutti insieme per usarli nella tua applicazione? Quindi vale la pena raccomandare scikit-learn a tutti gli ingegneri di machine learning. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Sto usando scikit learn per sviluppare modelli di machine learning e utilizzarli per lavorare in applicazioni live. Più recentemente l'ho usato per creare un classificatore di riconoscimento facciale che classificava i volti in tempo reale. Ho usato il classificatore KNN per lo stesso e ho ottenuto buoni risultati ottimizzando gli iperparametri. Mi ha davvero risparmiato molto tempo nell'implementarlo da zero. ### 26. Incredibilmente semplice, veloce e potente **Rating:** 4.0/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Piccola impresa (50 o meno dip.) **Reviewed Date:** July 17, 2019 **Cosa Le piace di più di scikit-learn?** Scikit-learn è estremamente scalabile e particolarmente adatto ai principianti. La mia esperienza principale è stata l'utilizzo del loro classificatore a vettori di supporto, che è ideale per il nostro progetto di mappatura delle immagini ecografiche ai movimenti della mano. **Cosa non Le piace di scikit-learn?** La documentazione potrebbe essere un po' migliore, ma a parte questo è incredibilmente affidabile e coerente. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Consentire ai musicisti amputati di utilizzare mani robotiche per suonare musica con immagini a ultrasuoni e macchine a vettori di supporto ### 27. Revisione di Scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Gestione dell'istruzione | Mid-Market (51-1000 dip.) **Reviewed Date:** April 30, 2019 **Cosa Le piace di più di scikit-learn?** Scikit-learn può essere utilizzato per quasi tutti i compiti di apprendimento automatico poiché consiste in strumenti per la maggior parte dei compiti standard di apprendimento automatico come classificazione, clustering, regressione e riduzione della dimensionalità. **Cosa non Le piace di scikit-learn?** R è più focalizzato sulle statistiche rispetto a scikit-learn. Ad esempio, R fornisce più dettagli riguardo alla regressione rispetto a scikit-learn. **Raccomandazioni per chi sta considerando scikit-learn:** Scikit-learn è ottimo per i principianti e può essere utilizzato anche per progetti accademici. Il modello è facile da usare e consente di eseguire più processi per problemi complessi. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Scikit-learn viene utilizzato per prevedere il comportamento dei consumatori per un'applicazione che suggerisce prodotti agli utenti. È più efficiente e preciso rispetto ad altre alternative. ### 28. L'API con tutto il machine learning **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Piccola impresa (50 o meno dip.) **Reviewed Date:** June 30, 2019 **Cosa Le piace di più di scikit-learn?** Amo il fatto che quasi ogni algoritmo di apprendimento automatico sia reso facile nel framework, è molto facile da usare. Ha così tante funzionalità. **Cosa non Le piace di scikit-learn?** Non ha una versione di deep learning, è principalmente per il machine learning, cioè non è robusto. **Raccomandazioni per chi sta considerando scikit-learn:** Consiglio il video di Sirag per le persone disposte a utilizzare scikit-learn per l'apprendimento automatico. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Usiamo scikit learn per costruire modelli di machine learning sul posto di lavoro. ### 29. Ottimo strumento di apprendimento automatico **Rating:** 4.5/5.0 stars **Reviewed by:** Christian M. N. | Software Developer, Piccola impresa (50 o meno dip.) **Reviewed Date:** May 12, 2019 **Cosa Le piace di più di scikit-learn?** scikit-learn fornisce un'interfaccia pulita e coerente a una miriade di modelli diversi **Cosa non Le piace di scikit-learn?** Scikit learn può essere difficile da imparare se non hai esperienza precedente con Python **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Scikit learn ci permette di costruire modelli di apprendimento automatico che possono essere utilizzati per fare previsioni, classificazioni e altro ancora ### 30. Scikit learning - che bellezza! **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Vendita al dettaglio | Enterprise (> 1000 dip.) **Reviewed Date:** April 30, 2019 **Cosa Le piace di più di scikit-learn?** Cosa non piace, ti dà il potere di addestrare modelli di apprendimento automatico astrarre come funziona sotto. A volte può essere spaventoso sapere come funzionano gli algoritmi di ML in teoria e diventa più spaventoso quando devi metterli in codice funzionante, ma con scikit-learn non devi preoccuparti dell'implementazione sottostante e puoi semplicemente iniziare con l'apprendimento automatico. **Cosa non Le piace di scikit-learn?** Non ho trovato nulla da non apprezzare finora 😊 **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Stiamo sfruttando la libreria Scikit Learn insieme ad altre librerie per affrontare i problemi di NLP ### 31. Kit di Strumenti per l'Apprendimento Automatico per Python **Rating:** 5.0/5.0 stars **Reviewed by:** Vishwas R. | Machine Learning Engineer, Software per computer, Piccola impresa (50 o meno dip.) **Reviewed Date:** July 07, 2018 **Cosa Le piace di più di scikit-learn?** Scikit-learn è fondamentalmente la libreria per Python che include tutti gli algoritmi di machine learning, perfettamente codificati per facilitare il tuo lavoro. Ci aiuta a concentrarci sulla parte applicativa piuttosto che sulla parte di implementazione e riduce anche il nostro tempo eliminando la necessità di codificare l'algoritmo da zero. È una libreria famosa e ampiamente utilizzata ed è supportata da molti sviluppatori open source, il che rende i suoi algoritmi molto migliori di qualsiasi altro. Inoltre, ha una grande varietà di dataset che possono essere utilizzati anche per i test, come il dataset iris, quindi aiuta molto durante lo sviluppo e il test del codice. **Cosa non Le piace di scikit-learn?** In realtà amo questa biblioteca e ho passato quasi tutto il mio tempo di lavoro usandola e non ho nulla da criticare. **Raccomandazioni per chi sta considerando scikit-learn:** Consiglio di utilizzare scikit-learn a tutti gli ingegneri di machine learning o ad altri professionisti di questo campo per implementare direttamente una varietà di algoritmi con una sola riga di codice. Ad esempio, supponiamo che tu debba programmare un SVM per la tua regressione: programmarlo da zero potrebbe richiedere tempo, ma se usi scikit-learn puoi semplicemente chiamare l'oggetto SVM e usarlo per addestrare i tuoi dati e prevedere i risultati o utilizzare il modello di conseguenza. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Sono un ingegnere di machine learning presso Innovatee IT Solutions, che fornisce soluzioni di machine learning a tutti i settori industriali. Devo sviluppare varie applicazioni in cui utilizziamo algoritmi di ML direttamente o indirettamente e per quell'implementazione uso scikit-learn. Rende il mio lavoro più facile e mi aiuta a sviluppare applicazioni che sono all'altezza per i nostri clienti. ### 32. Miglior modulo per classificazione, clustering, analisi del sentiment, tracciamento di grafici ecc. **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Software per computer | Piccola impresa (50 o meno dip.) **Reviewed Date:** May 09, 2019 **Cosa Le piace di più di scikit-learn?** La documentazione è la parte migliore di questo modulo. La facilità d'uso, le funzionalità variegate e la facilità di incorporare diversi parametri allo stesso tempo mi fanno usare sci-kit learn ancora e ancora. **Cosa non Le piace di scikit-learn?** Non c'è letteralmente alcun lato negativo in questo modulo. Direi che avere una comunità attiva a riguardo sarebbe più utile. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Analisi del sentimento, classificazione, clustering, tracciamento di diverse curve di apprendimento ### 33. Migliore libreria di Machine Learning per Python **Rating:** 5.0/5.0 stars **Reviewed by:** Sunil C. | Software Developer, Tecnologia dell'informazione e servizi, Enterprise (> 1000 dip.) **Reviewed Date:** June 04, 2018 **Cosa Le piace di più di scikit-learn?** Scikit-learn è la libreria più richiesta per Python per qualsiasi ingegnere di machine learning per un progetto di machine learning. Se hai esperienza in ML e hai un po' meno conoscenza sulla sua implementazione, puoi usarla perché qui puoi creare qualsiasi classificatore o modello di regressione semplicemente chiamando il suo oggetto. Questo oggetto può essere addestrato con il tuo set di addestramento e questo modello già addestrato può essere utilizzato per prevedere i risultati futuri. Un altro vantaggio è che se vuoi cambiare i parametri di un particolare algoritmo, puoi farlo chiamando l'oggetto e passando i valori necessari. Ha anche una documentazione molto chiara che è molto facile da capire. **Cosa non Le piace di scikit-learn?** Non ho molto da disprezzare su scikit-learn. **Raccomandazioni per chi sta considerando scikit-learn:** Consiglierei di utilizzare scikit-learn se vuoi implementare facilmente modelli di machine learning per la tua azienda e questi modelli sono algoritmicamente solidi perché è la libreria utilizzata da molti grandi successi in questo campo, quindi hanno anche contribuito a questa libreria poiché è open source. Se stai implementando qualsiasi cosa relativa al ML nel tuo progetto in Python, allora opta per scikit-learn. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Nella mia azienda, ovunque venga menzionato il termine machine learning, lì viene utilizzato scikit-learn per implementare modelli di ML. Anch'io ho utilizzato scikit-learn per prevedere vari risultati del mercato azionario per la nostra società di consulenza e ho anche usato scikit-learn per implementare modelli relativi al ML in qualsiasi software richiesto dai nostri clienti, quindi scikit-learn è una parte integrante di me per quanto riguarda il Machine Learning. ### 34. API di Machine Learning per Python **Rating:** 5.0/5.0 stars **Reviewed by:** Paresh A. | Software Engineer, Tecnologia dell'informazione e servizi, Enterprise (> 1000 dip.) **Reviewed Date:** June 07, 2018 **Cosa Le piace di più di scikit-learn?** È un'API o una libreria per Python per implementare algoritmi di machine learning dichiarando direttamente i classificatori e addestrando i dati su di essi. Facendo così, puoi generare un modello e poi usare semplicemente quel modello per prevedere i valori. Scikit-learn è una libreria open source ed è contribuita da molti sviluppatori, e per questo ha i migliori algoritmi che sono implementati. Quasi tutti gli algoritmi possono essere facilmente utilizzati con una singola riga di codice e anche i parametri possono essere modificati secondo le tue esigenze, quindi è la migliore libreria. **Cosa non Le piace di scikit-learn?** Non ho nulla da disprezzare riguardo a questa straordinaria libreria scikit-learn. **Raccomandazioni per chi sta considerando scikit-learn:** Consiglio di utilizzare scikit-learn a tutti gli sviluppatori software e anche agli sviluppatori di machine learning che desiderano implementare algoritmi di machine learning senza il fastidio di dover codificare manualmente l'intero algoritmo, ma semplicemente implementandoli con una riga di codice usando scikit-learn. Consiglio anche scikit-learn perché è possibile modificare i parametri di particolari algoritmi, come il tasso di apprendimento, secondo le proprie esigenze, quindi lo consiglio per il machine learning. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Sono un ingegnere del software e implemento algoritmi di machine learning per varie aziende e progetti che i nostri clienti ci affidano. E quando si tratta di machine learning, preferisco scikit-learn perché è la migliore libreria con quasi tutti i classificatori e anche un dataset di grandi dimensioni disponibile con essa, quindi diventa facile sviluppare modelli comuni semplicemente utilizzando quei dataset, quindi è una grande libreria per noi. ### 35. Libreria ML classica **Rating:** 5.0/5.0 stars **Reviewed by:** Yash R. | Software Engineer, Software per computer, Mid-Market (51-1000 dip.) **Reviewed Date:** February 07, 2018 **Cosa Le piace di più di scikit-learn?** scikit learn è la libreria di machine learning implementata in Python. Consiste in tutti gli algoritmi di machine learning come la regressione lineare, la regressione logistica e molti altri algoritmi di clustering preimplementati. Puoi utilizzare tali algoritmi sul tuo set di dati con una sola riga di codice. Puoi addestrare il modello sul tuo set di dati e utilizzare quel modello per prevedere ulteriori valori. Puoi anche salvare il tuo modello addestrato e modificare i parametri dell'algoritmo per adattarlo alle tue esigenze. **Cosa non Le piace di scikit-learn?** È la libreria ML classica per Python e non c'è nulla da non apprezzare. **Raccomandazioni per chi sta considerando scikit-learn:** Consiglio di utilizzare scikit-learn per implementare algoritmi di ML nel tuo software usando Python perché ha una gamma di algoritmi già implementati e puoi anche regolare i parametri dei loro algoritmi secondo le tue esigenze. È di gran lunga la migliore libreria di ML per Python e quindi è la libreria più consigliata per implementare algoritmi di ML. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Utilizzo la libreria sci-kit learn per implementare vari algoritmi di classificazione e regressione del machine learning in Python per integrare ulteriormente quei modelli addestrati nel software richiesto dal cliente. È così semplice da usare che anche una persona con conoscenze di base di ML può implementare gli algoritmi con facilità. ### 36. Implementazione di machine learning Libreria Python **Rating:** 5.0/5.0 stars **Reviewed by:** Rahul C. | Software Engineer, Tecnologia dell'informazione e servizi, Enterprise (> 1000 dip.) **Reviewed Date:** February 06, 2018 **Cosa Le piace di più di scikit-learn?** È la libreria Python per implementare algoritmi di machine learning. Ha vari algoritmi di machine learning preimplementati che puoi utilizzare semplicemente con una singola riga di codice. Tutti i classificatori di machine learning sono modificabili secondo le tue esigenze. Puoi addestrare il tuo modello e salvarlo per un uso futuro e prevedere i risultati con molta facilità. È la migliore libreria ML per Python che tu possa mai avere. **Cosa non Le piace di scikit-learn?** Niente da disprezzare sulla straordinaria libreria di apprendimento automatico. **Raccomandazioni per chi sta considerando scikit-learn:** Scikit-learn è la libreria di machine learning più consigliata per Python. È molto facile implementare classificatori ML su qualsiasi dimensione di dati. Inoltre, puoi scalare i dati usando scikit-learn, quindi è la migliore libreria ML per Python. Se vuoi implementare modelli ML sui tuoi dati con facilità, dovresti usare scikit-learn. Quindi è sicuramente la migliore libreria per ML. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Utilizzo Scikit learn per implementare il Machine learning nei nostri software secondo le esigenze e i dati dei nostri clienti. È molto utile nel campo della data science per implementare vari classificatori ML sui nostri dati e utilizzarli secondo le nostre necessità. Ha reso il lavoro di implementazione degli algoritmi ML molto facile. ### 37. Libreria di Machine Learning per Sviluppatori Nascenti **Rating:** 5.0/5.0 stars **Reviewed by:** Narendra N. | Senior Software Engineer, Tecnologia dell'informazione e servizi, Enterprise (> 1000 dip.) **Reviewed Date:** January 23, 2018 **Cosa Le piace di più di scikit-learn?** Scikit learn è una libreria di machine learning per Python. Puoi sviluppare e generare modelli di Machine Learning molto facilmente e puoi anche addestrare il modello con una sola riga di codice. È così facile implementare algoritmi di machine learning che anche i sviluppatori alle prime armi possono facilmente implementare vari modelli di machine learning. Può anche essere utilizzato per modificare le variabili dei modelli e costruire un modello secondo le tue esigenze. **Cosa non Le piace di scikit-learn?** È la migliore libreria ML disponibile per Python, quindi nessun problema riguardo a scikit-learn. **Raccomandazioni per chi sta considerando scikit-learn:** Consiglio di utilizzare scikit-learn per implementare i modelli di ML facilmente e senza sforzo, e puoi anche regolare il modello secondo le tue esigenze e salvare il modello addestrato. Non troverai nulla di simile in nessun'altra libreria. Se usi Python per l'implementazione di ML, scikit-learn è il miglior framework che puoi avere. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Utilizzo scikit learn per implementare e addestrare modelli di machine learning per i miei siti web e anche per i software che la mia azienda sviluppa. Uso scikit learn e regolo il modello di ML secondo le specifiche del progetto e poi sviluppo un modello perfettamente addestrato e regolato per il software. ### 38. Ottimo strumento per il Machine Learning semplice **Rating:** 3.5/5.0 stars **Reviewed by:** Utente verificato in Gestione dell'istruzione | Enterprise (> 1000 dip.) **Reviewed Date:** February 12, 2019 **Cosa Le piace di più di scikit-learn?** Offre una vasta gamma di algoritmi di apprendimento automatico tradizionali. **Cosa non Le piace di scikit-learn?** Non è del tutto comodo da usare mentre si lavora su una Rete Neurale Profonda. **Raccomandazioni per chi sta considerando scikit-learn:** Introduci la toolbox di Deeplearning **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Algoritmo Random Forest, SVM, Popolarità delle Notizie Online ### 39. migliore libreria di machine learning disponibile. **Rating:** 5.0/5.0 stars **Reviewed by:** vivek s. | Software Developer, Sicurezza informatica e di rete, Mid-Market (51-1000 dip.) **Reviewed Date:** February 13, 2018 **Cosa Le piace di più di scikit-learn?** Addestrare i tuoi dati con scikit-learn è molto facile. Usando scikit-learn puoi sviluppare rapidamente classificatori e preparare i tuoi modelli di regressione in pochissimo tempo. La cosa MIGLIORE di scikit-learn è che puoi salvare il tuo modello e i tuoi dati addestrati per un uso futuro. **Cosa non Le piace di scikit-learn?** scikit-learn è una libreria di ML molto bella, non c'è nulla da non apprezzare. **Raccomandazioni per chi sta considerando scikit-learn:** scikit-learn è una libreria di Machine Learning eccezionalmente robusta e versatile fino ad oggi. Non troverai alcun sostituto per questa libreria. scikit-learn contiene tutti gli algoritmi ML pre-implementati che aiutano molto. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** stiamo sviluppando un software basato sull'analisi del sentiment e sul sistema di raccomandazione con l'aiuto di scikit-learn. Ci fornisce le funzioni integrate e ci aiuta a sviluppare rapidamente il software per i clienti. ### 40. Una grande libreria per l'apprendimento automatico in Python **Rating:** 5.0/5.0 stars **Reviewed by:** ishnat s. | Software Engineer, Servizi informativi, Mid-Market (51-1000 dip.) **Reviewed Date:** February 09, 2018 **Cosa Le piace di più di scikit-learn?** Scikit learn è una grande libreria che include tutti i moduli necessari per l'apprendimento automatico. Aiuta anche lo sviluppatore a creare macchine su AI e ci aiuta a addestrare il software. Scikit learn è la libreria più avanzata per l'apprendimento automatico utilizzata in Python grazie alle sue vaste applicazioni, alla grande interfaccia utente e all'inclusione di diverse funzioni. Inoltre, può essere distribuita su diverse piattaforme di repository come Github. **Cosa non Le piace di scikit-learn?** L'unica cosa che non mi piace di scikit-learn è che richiede un'elevata potenza di calcolo, motivo per cui può essere utilizzato su macchine con un numero ridotto di core. **Raccomandazioni per chi sta considerando scikit-learn:** consiglierei questa libreria per l'uso estensivo delle librerie di apprendimento automatico. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Ho sviluppato un sistema di raccomandazione utilizzando scikit-learn ed era basato sul raccomandare i film. ### 41. Libreria ML di Python con ottima documentazione **Rating:** 5.0/5.0 stars **Reviewed by:** Nupur M. | Senior Software Engineer, Software per computer, Piccola impresa (50 o meno dip.) **Reviewed Date:** February 09, 2018 **Cosa Le piace di più di scikit-learn?** La cosa migliore che direi è che è open source. Inoltre, la documentazione è davvero buona, qualsiasi principiante può facilmente imparare a usare scikit-learn con questa documentazione. Insieme alla documentazione, gli algoritmi che forniscono sono molto efficienti e veloci. Quasi tutti gli algoritmi di Machine Learning sono forniti, quindi diventa un unico e anche il miglior posto per un appassionato di ML. **Cosa non Le piace di scikit-learn?** Utilizzando scikit-learn per tutti i miei compiti di Machine Learning, quindi direi 'nessun dislike'. **Raccomandazioni per chi sta considerando scikit-learn:** Forniscono tutorial sul loro sito principale: http://scikit-learn.org in ogni sezione, consiglio a ogni principiante di seguire questi tutorial. Sono stati di grande aiuto per me personalmente. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Lo uso per tutti i miei compiti di apprendimento automatico e per ogni applicazione che creo dove viene utilizzato l'apprendimento automatico. ### 42. La libreria ML (Machine Learning) meglio documentata **Rating:** 5.0/5.0 stars **Reviewed by:** Jash S. | Software Engineer, Software per computer, Mid-Market (51-1000 dip.) **Reviewed Date:** December 11, 2017 **Cosa Le piace di più di scikit-learn?** Scikit learn è la libreria per l'apprendimento automatico che è ben documentata, tanto che anche uno sviluppatore di machine learning inesperto può utilizzarla. Gli algoritmi implementati nella libreria sono i comuni algoritmi di machine learning e possono scalare per quasi ogni dimensione di dati. Puoi facilmente utilizzare gli algoritmi di machine learning in un normale programma Python e sfruttare i vantaggi dell'analisi dei dati tramite ML usando scikit learn. **Cosa non Le piace di scikit-learn?** Scikit learn non ha lasciato alcun indizio falso accanto a sé, cioè non puoi nemmeno trovare una singola prova per non apprezzarlo. **Raccomandazioni per chi sta considerando scikit-learn:** Consiglio scikit-learn come la migliore libreria di machine learning per qualsiasi set di dati per implementare vari algoritmi di machine learning. Ed è open source e migliora giorno dopo giorno. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Utilizziamo scikit learn per implementare vari algoritmi di ML tramite Python. Usando quegli algoritmi otteniamo le nostre analisi dei dati e le previsioni del mercato azionario. Forniamo anche varie soluzioni attraverso algoritmi di ML ai nostri clienti secondo il nostro utilizzo. Recentemente abbiamo costruito un modello per un'azienda per la previsione del prezzo delle azioni per alcune delle sue aziende dipendenti. ### 43. Migliore libreria di Machine Learning **Rating:** 5.0/5.0 stars **Reviewed by:** Kartik B. | Senior Software Engineer, Software per computer, Mid-Market (51-1000 dip.) **Reviewed Date:** December 06, 2017 **Cosa Le piace di più di scikit-learn?** La migliore libreria di machine learning che ho trovato sul web. È la libreria utilizzata dagli esperti per esercizi di machine learning. Usando scikit-learn puoi facilmente sviluppare il tuo classificatore o modello di regressione in una sola riga e poi allenare i tuoi dati attraverso quel classificatore passando i dati di addestramento ad esso e puoi anche salvare il modello addestrato e usarlo in futuro. Puoi anche personalizzare i famosi algoritmi di ML e adattarli secondo le tue esigenze. **Cosa non Le piace di scikit-learn?** Niente da disprezzare sulla migliore libreria di Machine Learning. **Raccomandazioni per chi sta considerando scikit-learn:** Scikit-Learn è la migliore e garantita libreria di machine learning raccomandata per tutti gli sviluppatori di machine learning nella società perché non troverai nessun'altra libreria che ti offre algoritmi pre-implementati che puoi utilizzare semplicemente scrivendo una singola riga e regolando i parametri dell'algoritmo secondo le tue esigenze. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Utilizziamo scikit-learn per sviluppare il modello di addestramento sia per il nostro uso che per quello di altre aziende che richiedono modelli predittivi per il loro utilizzo quotidiano. Sviluppiamo anche modelli predittivi per i nostri clienti e forniamo loro un'applicazione funzionante che è ottimizzata e funziona secondo le loro esigenze, quindi scikit-learn è il migliore per noi. ### 44. Libreria di apprendimento automatico open source **Rating:** 5.0/5.0 stars **Reviewed by:** Riya T. | Senior Software Engineer, Software per computer, Piccola impresa (50 o meno dip.) **Reviewed Date:** April 16, 2018 **Cosa Le piace di più di scikit-learn?** - È open source. - Ha un grande supporto dalla comunità. - Si possono facilmente trovare tutorial per impararlo. - Documentazione dettagliata con dettagli. **Cosa non Le piace di scikit-learn?** È stata la mia mano d'aiuto quando si tratta di Machine Learning. Non ho problemi o antipatie per questa biblioteca molto grande e utile. **Raccomandazioni per chi sta considerando scikit-learn:** Consulta la documentazione per qualsiasi aiuto, hanno fornito una spiegazione dettagliata di ogni algoritmo con esempio. Consiglio anche di consultare i tutorial di sentdex su YouTube. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Usandolo per costruire progetti basati sull'apprendimento automatico. ### 45. La libreria di apprendimento automatico più affidabile ed efficiente **Rating:** 5.0/5.0 stars **Reviewed by:** Rahul S. | Machine Learning Engineer, Software per computer, Piccola impresa (50 o meno dip.) **Reviewed Date:** February 11, 2018 **Cosa Le piace di più di scikit-learn?** La maggior parte dei problemi complessi viene risolta facilmente grazie al suo potenziale di selezione degli algoritmi. Copre anche la maggior parte dei compiti di apprendimento automatico. Ha una grande interfaccia ed è un modulo ben aggiornato. La scalabilità e la robustezza lo rendono molto facile da usare. **Cosa non Le piace di scikit-learn?** Non è molto probabile che venga utilizzato dove c'è un'alta richiesta di informazioni statistiche. **Raccomandazioni per chi sta considerando scikit-learn:** Raccomandare scikit-learn agli altri sarebbe un grande piacere per me. La qualità del supporto e, soprattutto, un'API ben documentata lo rendono una delle migliori librerie di machine learning fino ad ora. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Elaborazione delle immagini. Riconoscimento facciale e della scrittura a mano. Anche nella generazione di dataset multi-etichetta. ### 46. Una delle migliori librerie di machine learning per il linguaggio di programmazione Python **Rating:** 5.0/5.0 stars **Reviewed by:** Sunny S. | Machine Learning Engineer, Software per computer, Piccola impresa (50 o meno dip.) **Reviewed Date:** February 11, 2018 **Cosa Le piace di più di scikit-learn?** Copre la maggior parte dei compiti di apprendimento automatico. Si adatta alla maggior parte dei problemi di dati. La selezione di algoritmi solidi. Un modulo ben aggiornato. La sua documentazione API. Il supporto per il cliente. È robusto e facile da usare. **Cosa non Le piace di scikit-learn?** Non supporta l'accelerazione GPU. Ha meno enfasi sulle statistiche rispetto a R. **Raccomandazioni per chi sta considerando scikit-learn:** Consiglierei sicuramente di utilizzare scikit-learn poiché ha un'API ben documentata ed è anche facile da usare. È più adatto per implementare la maggior parte dei compiti di machine learning. Ha un ottimo supporto clienti. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Audio, testo e categorizzazione delle immagini. Bioinformatica. Problemi di classificazione multi-etichetta e multi-classe. Caricamento e generazione di dataset multi-etichetta. ### 47. Libreria ML per Python molto ben documentata **Rating:** 5.0/5.0 stars **Reviewed by:** Jeel L. | Senior Software Engineer, Software per computer, Piccola impresa (50 o meno dip.) **Reviewed Date:** January 12, 2018 **Cosa Le piace di più di scikit-learn?** La documentazione è pulita e chiara, facilmente comprensibile. Se incontri problemi, puoi facilmente trovare la soluzione su internet poiché ci sono molte persone che lo usano in tutto il mondo. Lo uso quasi ovunque utilizzi il Machine Learning. **Cosa non Le piace di scikit-learn?** Nessun dislike per una libreria così ben documentata e utile. **Raccomandazioni per chi sta considerando scikit-learn:** Ci sono molti tutorial disponibili su internet, ma personalmente consiglio questo canale YouTube: https://www.youtube.com/user/sentdex per iniziare con scikit-learn. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Di tutti i progetti di ML su cui lavoriamo a Techy Developers, utilizziamo scikit-learn come libreria di ML. Funziona a meraviglia e ha prodotto ottimi risultati ogni volta che è stato utilizzato. ### 48. Ottima libreria Python per l'apprendimento automatico **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Telecomunicazioni | Enterprise (> 1000 dip.) **Reviewed Date:** December 06, 2017 **Cosa Le piace di più di scikit-learn?** Scikit-learn è una libreria Python ben documentata che offre facile accesso a molti algoritmi di machine learning di rilievo. La libreria è progettata in modo tale da avere un'API coerente indipendentemente dall'algoritmo che si sceglie di utilizzare, quindi è facile imparare e provare un nuovo algoritmo che non si è mai usato prima. **Cosa non Le piace di scikit-learn?** Come con qualsiasi libreria di questo tipo (compilazione di molti algoritmi diversi), non contiene sempre il contenuto che stai cercando. Scikit-learn contiene solo gli algoritmi più popolari, quindi se stai cercando un'implementazione di un algoritmo più specializzato, è molto probabile che non lo troverai nella libreria. **Raccomandazioni per chi sta considerando scikit-learn:** Assicurati di leggere attentamente la documentazione. L'API è intuitiva ma richiede la comprensione di come funzionano gli algoritmi di apprendimento automatico a un livello elevato. Gli strumenti di trasformazione e manipolazione dei dati più basilari e comuni sono già integrati, quindi cerca di utilizzare quelli a meno che il tuo set di dati non richieda qualcosa di più specializzato. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Utilizzo scikit-learn per accedere agli algoritmi di apprendimento non supervisionato per raggruppare righe di dati e unire set di dati senza relazioni preesistenti definite. Questo ha portato a una categorizzazione dei prodotti a un livello più basso di quanto sia mai stato disponibile fino ad ora, grazie alla natura dei dati della mia azienda. ### 49. Scikit-learn è davvero un pacchetto fantastico incluso in Python **Rating:** 5.0/5.0 stars **Reviewed by:** Utente verificato in Istruzione superiore | Enterprise (> 1000 dip.) **Reviewed Date:** April 23, 2018 **Cosa Le piace di più di scikit-learn?** Puoi fare classificazione, clustering, regressione, pre-elaborazione e molto altro. Se stai lavorando in ricerca basata sull'apprendimento automatico, ti consiglio vivamente questo pacchetto. **Cosa non Le piace di scikit-learn?** Niente è sgradevole. Tutto viene senza costo ed è davvero efficiente. Devi solo conoscere le basi della programmazione in Python. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** Lo sto usando nel mio lavoro di ricerca relativo all'elaborazione dei segnali e all'apprendimento automatico. ### 50. Scikit learn è buono **Rating:** 4.5/5.0 stars **Reviewed by:** Utente verificato in Ospedali e assistenza sanitaria | Enterprise (> 1000 dip.) **Reviewed Date:** June 25, 2018 **Cosa Le piace di più di scikit-learn?** Ha le migliori librerie che possono funzionare sui dati. È particolarmente utile quando si esegue l'apprendimento automatico supervisionato o non supervisionato sui propri dati. **Cosa non Le piace di scikit-learn?** Python è lento. Pertanto, l'uso delle librerie rende l'analisi dei dati lenta. **Raccomandazioni per chi sta considerando scikit-learn:** Scikit learn è fantastico, ha molte funzionalità per l'apprendimento automatico. **Quali problemi sta risolvendo scikit-learn e in che modo La sta aiutando?** analisi del rischio di credito, Librerie dirette disponibili per molti algoritmi di apprendimento automatico ## scikit-learn Discussions - [A cosa serve scikit-learn?](https://www.g2.com/it/discussions/scikit-learn-what-is-scikit-learn-used-for) - 2 comments - [Cos'è Python Scikit learn?](https://www.g2.com/it/discussions/what-is-python-scikit-learn) - 1 comment - [View scikit-learn pricing details and edition comparison](https://www.g2.com/it/products/scikit-learn/reviews?section=pricing&secure%5Bexpires_at%5D=2026-06-12+07%3A49%3A35+-0500&secure%5Bsession_id%5D=f102a418-b305-4a86-b1ef-1392e019f7f1&secure%5Btoken%5D=8695a1e6542c62dba80d4c56864c53d5134ad7014bf57321d6f3a35399fc4d9f&format=llm_user) ## scikit-learn Features **Integrazione - Apprendimento Automatico** - Integrazione **Apprendimento - Apprendimento automatico** - Dati di addestramento - Approfondimenti Azionabili - Algoritmo ## Top scikit-learn Alternatives - [MLlib](https://www.g2.com/it/products/mllib/reviews) - 4.1/5.0 (14 reviews) - [Weka](https://www.g2.com/it/products/weka/reviews) - 4.3/5.0 (13 reviews) - [Google Cloud TPU](https://www.g2.com/it/products/google-cloud-tpu/reviews) - 4.5/5.0 (33 reviews)