Recensioni e Dettagli del Prodotto 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. Recensione raccolta e ospitata su G2.com.

Scikit learn non ha lasciato alcun indizio falso accanto a sé, cioè non puoi nemmeno trovare una singola prova per non apprezzarlo. Recensione raccolta e ospitata su G2.com.

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. Recensione raccolta e ospitata su G2.com.

Niente da disprezzare sulla migliore libreria di Machine Learning. Recensione raccolta e ospitata su G2.com.

- È open source.

- Ha un grande supporto dalla comunità.

- Si possono facilmente trovare tutorial per impararlo.

- Documentazione dettagliata con dettagli. Recensione raccolta e ospitata su G2.com.

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. Recensione raccolta e ospitata su G2.com.

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. Recensione raccolta e ospitata su G2.com.

Non è molto probabile che venga utilizzato dove c'è un'alta richiesta di informazioni statistiche. Recensione raccolta e ospitata su G2.com.

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. Recensione raccolta e ospitata su G2.com.

Non supporta l'accelerazione GPU. Ha meno enfasi sulle statistiche rispetto a R. Recensione raccolta e ospitata su G2.com.

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. Recensione raccolta e ospitata su G2.com.

Nessun dislike per una libreria così ben documentata e utile. Recensione raccolta e ospitata su G2.com.

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. Recensione raccolta e ospitata su G2.com.

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. Recensione raccolta e ospitata su G2.com.

Puoi fare classificazione, clustering, regressione, pre-elaborazione e molto altro. Se stai lavorando in ricerca basata sull'apprendimento automatico, ti consiglio vivamente questo pacchetto. Recensione raccolta e ospitata su G2.com.

Niente è sgradevole. Tutto viene senza costo ed è davvero efficiente. Devi solo conoscere le basi della programmazione in Python. Recensione raccolta e ospitata su G2.com.

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. Recensione raccolta e ospitata su G2.com.

Python è lento. Pertanto, l'uso delle librerie rende l'analisi dei dati lenta. Recensione raccolta e ospitata su G2.com.

sklearn fornisce un'interfaccia coerente e la documentazione è completa. È anche altamente estensibile. Recensione raccolta e ospitata su G2.com.

Preferirei che cross_val_score fornisse un meccanismo per la valutazione fuori campione. Supponendo che il tuo campione sia riequilibrato, potresti voler che l'ennesimo fold utilizzato per la valutazione sia un dataset sbilanciato e fuori campione per valutare la vera performance del tuo modello nel mondo reale. cross_val_score non fornisce questa funzionalità. La classe pipeline dovrebbe anche fornire un meccanismo per concatenare molte trasformazioni e consentire una ricerca a griglia dei migliori parametri attraverso tutte le trasformazioni. Questo è particolarmente utile in una pipeline NLP dove lo stemming, la rimozione delle stop words, l'uso di ngram, ecc. potrebbero essere trasformazioni separate e vuoi sapere quale trasformazione e quali parametri (ad esempio, la n in ngram) hanno prodotto il miglior risultato. Recensione raccolta e ospitata su G2.com.