# scikit-learn Reviews **Vendor:** scikit-learn **Category:** [Software de Aprendizado de Máquina](https://www.g2.com/pt/categories/machine-learning) **Average Rating:** 4.8/5.0 **Total Reviews:** 60 ## About scikit-learn Scikit-learn é uma biblioteca de aprendizado de máquina para a linguagem de programação Python que possui vários algoritmos de classificação, regressão e agrupamento, incluindo máquinas de vetores de suporte, florestas aleatórias, boosting de gradiente, k-means e DBSCAN, e é projetada para interoperar com as bibliotecas numéricas e científicas do Python, NumPy e SciPy. ## scikit-learn Pros & Cons **What users like:** - Os usuários apreciam a **facilidade de uso** do scikit-learn, tornando-o perfeito para iniciantes em aprendizado de máquina. (1 reviews) - Os usuários adoram o scikit-learn por sua **API limpa e intuitiva** , tornando o aprendizado de máquina acessível para iniciantes. (1 reviews) - Os usuários consideram a **API limpa e os algoritmos pré-escritos** do scikit-learn essenciais para aprender e implementar aprendizado de máquina de forma eficiente. (1 reviews) **What users dislike:** - Os usuários enfrentam **problemas de atraso** com modelos pesados no scikit-learn, prejudicando o desempenho eficiente e a qualidade do resultado. (1 reviews) - Os usuários acham **limitada a personalização** no scikit-learn frustrante, dificultando sua capacidade de adaptar algoritmos de forma eficaz. (1 reviews) - Os usuários acham que o **tempo de consumo** para aprender scikit-learn pode ser significativo, especialmente para aqueles que são novos no Python. (1 reviews) ## scikit-learn Reviews ### 1. Biblioteca Inicial Perfeita para Iniciantes em Aprendizado de Máquina **Rating:** 4.5/5.0 stars **Reviewed by:** Usuário Verificado em Educação Superior | Médio Porte (51-1000 emp.) **Reviewed Date:** December 17, 2025 **O que você mais gosta em scikit-learn?** Acho que esta é a biblioteca com a qual todo iniciante que está aprendendo machine learning começa, e eu também. Esta é uma biblioteca muito limpa onde você obtém o código lógico básico de muitos algoritmos como regressão, classificação e agrupamento, etc. Como o algoritmo já está pré-escrito, eu só me concentro em treinar os dados e obter o resultado. Ela possui uma API muito limpa e suave. **O que você não gosta em scikit-learn?** Como mencionado anteriormente, é para iniciantes e, se você não conhece Python, levará muito tempo para entender como cada coisa funciona. Não suporta modelos pesados (se você tentar fazer isso, ele começa a travar e não dá o resultado desejado). Também tem personalização limitada para os algoritmos, como caixas pretas e controle fino de grãos nem sempre é fácil. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** É muito útil treinar o modelo, como mencionado anteriormente, pois ele contém muitos algoritmos, então eu não preciso escrever o código do zero. Durante meu tempo na faculdade, isso me ajudou a criar 2-3 modelos alcançando uma precisão de cerca de 80 por cento. Isso despertou meu interesse nesta área e eu mudei para o TensorFlow para aprender mais. ### 2. biblioteca de Python **Rating:** 4.5/5.0 stars **Reviewed by:** Diana B. | Pequena Empresa (50 ou menos emp.) **Reviewed Date:** May 02, 2023 **O que você mais gosta em scikit-learn?** Os usuários que desejam conectar os algoritmos às suas plataformas encontrarão documentação detalhada da API no site do scikit-learn. Muitos colaboradores, autores e uma grande comunidade internacional online apoiam e atualizam o Scikit-learn. É fácil de usar. A biblioteca é publicada sob a licença BSD, portanto, está disponível gratuitamente com apenas as restrições legais e de licença mais básicas. O pacote scikit-learn é extremamente adaptável e útil, e pode ser usado para uma variedade de tarefas do mundo real, como desenvolver neuroimagens, prever o comportamento do consumidor, etc. **O que você não gosta em scikit-learn?** Não é uma grande escolha se se prefere um aprendizado em profundidade. Fornece uma abstração simples que pode tentar os cientistas de dados iniciantes a continuar sem aprender primeiro os conceitos básicos. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Scikit-learn nos permite definir algoritmos de aprendizado de máquina e compará-los entre si, além de oferecer ferramentas para pré-processar dados. A agrupação em clusters de K-means, as florestas aleatórias, as máquinas de vetores de suporte e qualquer outro modelo de aprendizado de máquina que queiramos desenvolver estão incluídos no Scikit-learn. ### 3. Melhor biblioteca de código aberto para aprendizado de máquina. **Rating:** 5.0/5.0 stars **Reviewed by:** Palash S. | Graduate Research Assistant, Médio Porte (51-1000 emp.) **Reviewed Date:** September 20, 2023 **O que você mais gosta em scikit-learn?** Eu gosto de como a biblioteca scikit-learn é dinâmica. Ela fornece funções pré-carregadas e prontas para uso para todos os tipos de algoritmos de aprendizado de máquina e pré-processamento de dados. **O que você não gosta em scikit-learn?** A única desvantagem é a falta de suporte nativo para bibliotecas de aprendizado profundo. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** maior parte do tempo eu uso a biblioteca sci-kit-learn para fins de regressão na previsão de vendas. ### 4. scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Kitriakos S. | Médio Porte (51-1000 emp.) **Reviewed Date:** June 09, 2023 **O que você mais gosta em scikit-learn?** Scikit-learn é construído sobre bibliotecas numéricas eficientes, como NumPy e SciPy, que fornecem implementações otimizadas de operações matemáticas e numéricas. Isso garante que a biblioteca possa lidar com grandes conjuntos de dados e cálculos complexos de forma eficiente, contribuindo para sua robustez e escalabilidade. **O que você não gosta em scikit-learn?** Embora o scikit-learn forneça uma variedade de ferramentas para seleção, extração e transformação de características, ele não oferece amplas capacidades de engenharia de características automatizadas encontradas em algumas bibliotecas especializadas. Os usuários podem precisar criar ou selecionar manualmente características com base em seu conhecimento de domínio ou explorar outras bibliotecas ou técnicas de engenharia de características. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Scikit-learn inclui funcionalidades para pré-processamento de texto, extração de características de dados textuais e construção de modelos de aprendizado de máquina para tarefas de PLN. Oferece métodos para vetorização de texto usando técnicas como bag-of-words, TF-IDF e embeddings de palavras. Isso o torna útil para tarefas como análise de sentimento, classificação de texto e agrupamento de documentos. ### 5. Biblioteca de Aprendizado de Máquina que Você Precisa Conhecer **Rating:** 4.5/5.0 stars **Reviewed by:** Chandresh M. | System Engineer, Médio Porte (51-1000 emp.) **Reviewed Date:** September 23, 2021 **O que você mais gosta em scikit-learn?** A melhor coisa, na minha opinião, é que há documentação disponível do scikit-learn. Então, se às vezes acho difícil aplicar alguns algoritmos, posso verificar a documentação, o que me ajuda. Eu gosto disso. O scikit-learn também fornece muitos conjuntos de dados embutidos para que eu possa usá-los para fins de prática. O scikit-learn vem com muitos algoritmos de aprendizado de máquina, o que facilita para mim a implementação de algoritmos. Eu gosto que ele venha com muitas funções de manipulação de dados para limpar meus dados de acordo com meus requisitos. **O que você não gosta em scikit-learn?** Uma coisa que eu não aprecio particularmente é que não possui nenhum algoritmo de Deep Learning. Se eu quiser desenvolver algum algoritmo pronto para produção, então o scikit-learn não é tão bom em comparação com seus concorrentes. **Recomendações a outras pessoas considerando scikit-learn:** Se você é um iniciante no desenvolvimento de Machine Learning, então deve começar com a biblioteca scikit-learn, que oferece muitos algoritmos de Machine Learning para que você possa aprendê-los. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu estou usando scikit-learn para desenvolver aplicações de Aprendizado de Máquina. ### 6. scikit-learn é a melhor biblioteca de aprendizado de máquina para a plataforma python **Rating:** 5.0/5.0 stars **Reviewed by:** Dr. Jayant J. | Assistant Professor, Médio Porte (51-1000 emp.) **Reviewed Date:** January 19, 2022 **O que você mais gosta em scikit-learn?** A biblioteca scikit-learn é muito fácil de importar e pronta para uso na plataforma Python. Ela também contém alguns conjuntos de dados de exemplo para testar algoritmos de aprendizado de máquina. **O que você não gosta em scikit-learn?** Não há nenhum ponto que eu desgoste na biblioteca scikit-learn. A maioria dos algoritmos de aprendizado de máquina mais usados, bem como os mais recentes, estão disponíveis para uso. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu uso a biblioteca scikit-learn para resolver problemas de aprendizado de máquina. ### 7. Melhor biblioteca para ciência de dados **Rating:** 5.0/5.0 stars **Reviewed by:** Joaquín A. | Data-analyst, Médio Porte (51-1000 emp.) **Reviewed Date:** December 23, 2021 **O que você mais gosta em scikit-learn?** O que eu gosto no Scikitlearn é sua documentação, clareza e versatilidade do kit. **O que você não gosta em scikit-learn?** Não há nada de que eu não goste até agora. **Recomendações a outras pessoas considerando scikit-learn:** Eu recomendo muito o Scikitlearn. É uma opção fantástica para projetos de aprendizado de máquina. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** É minha primeira opção ao fazer modelagem de dados e aprendizado de máquina. ### 8. Informativo **Rating:** 5.0/5.0 stars **Reviewed by:** Aarti M. | Senior Officer- Client success, Empresa (> 1000 emp.) **Reviewed Date:** January 19, 2022 **O que você mais gosta em scikit-learn?** Sessão informativa e ferramentas avançadas para aprendizagem **O que você não gosta em scikit-learn?** A duração do tempo, o clipe deve ser mais e mais elaborado **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** questões do dia a dia ### 9. Biblioteca básica de aprendizado de máquina **Rating:** 4.5/5.0 stars **Reviewed by:** deniz y. | Business Intelligence Manager, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** September 24, 2021 **O que você mais gosta em scikit-learn?** É muito útil no início para mineração de dados e análise de dados. Fácil de usar. Proporciona máxima eficiência com mínimo esforço. Processamento de dados, regressão, redução de dimensão, classificação, análise de cluster são as funcionalidades que utilizo. É completamente gratuito. **O que você não gosta em scikit-learn?** Ele funciona lentamente em grandes conjuntos de dados. Ele pode melhorar na classificação. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu posso processar automaticamente dados pré-categorizados. ### 10. Disponibilidade de funções integradas e fácil de usar **Rating:** 4.5/5.0 stars **Reviewed by:** Usuário Verificado em Sem Fio | Médio Porte (51-1000 emp.) **Reviewed Date:** October 11, 2021 **O que você mais gosta em scikit-learn?** Eu realmente gosto quando resolvo qualquer problema de aprendizado de máquina. Ele tem muitos modelos de ML embutidos que são difíceis de implementar, mas aqui são fáceis de usar. **O que você não gosta em scikit-learn?** Sinto que deveria haver muito mais bons modelos de redes neurais profundas. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Modelagem de aprendizado de máquina para projetos de processamento de fala e imagem ### 11. Estar familiarizado com este framework é essencial para profissionais de ciência de dados/aprendizado de máquina! **Rating:** 5.0/5.0 stars **Reviewed by:** Devwrat T. | Project Manager, Empresa (> 1000 emp.) **Reviewed Date:** September 15, 2020 **O que você mais gosta em scikit-learn?** O melhor aspecto sobre este framework é a disponibilidade de algoritmos bem integrados dentro do ambiente de desenvolvimento Python. É bastante fácil de instalar na maioria dos IDEs Python e relativamente fácil de usar também. Muitos tutoriais estão acessíveis online, o que complementa o entendimento desta biblioteca, permitindo se tornar proficiente em aprendizado de máquina. Foi claramente construído com uma mentalidade de engenharia de software e, no entanto, é muito flexível para empreendimentos de pesquisa. Sendo construído sobre múltiplas bibliotecas baseadas em matemática e dados, o scikit-learn permite uma integração perfeita entre todas elas. Ser capaz de usar arrays numpy e dataframes pandas dentro do ambiente scikit-learn elimina a necessidade de transformação adicional de dados. Dito isso, definitivamente deve-se familiarizar com esta biblioteca fácil de usar se planejam se tornar um profissional orientado por dados. Você poderia construir um modelo de aprendizado de máquina simples com apenas 10 linhas de código! Com toneladas de recursos como validação de modelos, divisão de dados para treinamento/teste e vários outros, a abordagem de código aberto do scikit-learn facilita uma curva de aprendizado gerenciável. **O que você não gosta em scikit-learn?** Um problema que tem persistido e me incomodado há bastante tempo é a falta de capacidades de transformação de variáveis categóricas (é muito mais fácil em bibliotecas como tensorflow). É comparativamente mais lento do que tensorflow quando se trata de grandes conjuntos de dados e isso é algo que deveria ser adotado em breve, especialmente na era das tecnologias de big data. No entanto, com a frequência das atualizações, acredito que a maioria dos problemas é resolvida muito rapidamente, tornando-o um pacote robusto para o desenvolvimento de aprendizado de máquina. **Recomendações a outras pessoas considerando scikit-learn:** Altamente encorajo aqueles que estão entrando no campo de Ciência de Dados/Análise a mergulharem profundamente nesta biblioteca, considerando a quantidade de recursos disponíveis online. Com a interface fácil de usar, sendo de código aberto e com flexibilidade e adaptabilidade com outros frameworks, o aprendizado de máquina não poderia ser mais fácil! Eu pessoalmente sinto que começar com scikit-learn ajudará você a se adaptar a outras ferramentas de big data em torno do aprendizado de máquina, como o PySpark. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Como sou um profissional de ciência de dados, uso o scikit-learn para criar modelos de análise preditiva para previsão de demanda e outras aplicações. Scikit-learn é o melhor framework disponível para auxiliar no desenvolvimento de modelos de aprendizado de máquina que me permitiu participar e vencer em muitas competições online. Um dos principais benefícios é a facilidade de aprendizado e uso desta biblioteca. Juntamente com a quantidade de recursos disponíveis online para esta biblioteca, é a melhor biblioteca de ML disponível. ### 12. Scikit é a plataforma base de aprendizado de máquina **Rating:** 4.5/5.0 stars **Reviewed by:** YOGESH B. | Mr, Empresa (> 1000 emp.) **Reviewed Date:** June 01, 2020 **O que você mais gosta em scikit-learn?** É a plataforma de aprendizado de máquina, fácil de aprender, fácil de testar fornece toda a capacidade que qualquer plataforma de aprendizado de máquina deve ter, muitos algoritmos como codificadores - codificador binário, codificador one hot fornece implementação para todo aprendizado supervisionado e não supervisionado fornece toda a capacidade de validar o modelo podemos integrar facilmente com matplotlib, pandas, numpy e para serializadores muitos tutoriais de exemplo específicos na internet disponíveis para iniciantes É de código aberto e totalmente gratuito muitos dos outros produtos de código aberto e muitos produtos proprietários para aprendizado de máquina são desenvolvidos em cima da biblioteca scikit pois fornece interface Python fácil de aprender e integrar com muitas outras plataformas **O que você não gosta em scikit-learn?** há dois problemas que posso mencionar são 1. não é possível escalar horizontalmente 2. há problemas quando temos atributos categóricos em variáveis - codificá-los em binário ou one hot encoded não resolverá o problema Muitas das tecnologias recentes como h20, tensor flow dão a capacidade de inserir atributos categóricos como entradas para o algoritmo **Recomendações a outras pessoas considerando scikit-learn:** É fácil de aprender e oferece muitos tutoriais ou materiais de aprendizagem. Iniciantes podem começar com o sci kit learn e facilmente passar para outras plataformas. Muitos exemplos estão disponíveis na internet. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** nós estamos usando sci ket para aprender muitos modelos para detecção de anomalias e também para aprender algum comportamento do usuário Armazenamos o modelo e o passamos para dispositivos de borda para aplicar previsões ### 13. Plataforma de Aprendizado de Máquina muito útil **Rating:** 4.5/5.0 stars **Reviewed by:** Usuário Verificado em Educação Superior | Médio Porte (51-1000 emp.) **Reviewed Date:** June 29, 2020 **O que você mais gosta em scikit-learn?** É uma ferramenta muito poderosa usada em ciência de dados, especialmente em aprendizado de máquina. É um pacote de código aberto e gratuito que tem um grande papel no aprendizado de máquina. Tem uma grande capacidade de integração com outros pacotes, como matplotlib, numpy e pandas. Tem um papel importante em algoritmos de ciência de dados e aprendizado de máquina. **O que você não gosta em scikit-learn?** Ele tem ótimas funcionalidades. No entanto, tem algumas desvantagens ao lidar com atributos categóricos. Caso contrário, é um pacote muito forte. Não vejo outras desvantagens em usar este pacote. **Recomendações a outras pessoas considerando scikit-learn:** Scikit-learn é um pacote muito útil e poderoso em ciência de dados e aprendizado de máquina. É um pacote gratuito e pode ser integrado com outros pacotes de software. Recomendo este pacote a todos que trabalham na área de ciência de dados. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu faço alguns testes de modelo na minha pesquisa usando aprendizado de máquina. Então, o scikit-learn é muito útil e eu gosto muito deste pacote. Sendo de código aberto e integrável com muitas outras plataformas, é único e agradável. Eu uso este pacote todos os dias. ### 14. Super útil para aprendizado de máquina **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Tecnologia da Informação e Serviços | Empresa (> 1000 emp.) **Reviewed Date:** January 11, 2018 **O que você mais gosta em scikit-learn?** Conjunto de ferramentas incrivelmente útil para trabalhos de aprendizado de máquina e ciência de dados. Uso pessoalmente em Python e é realmente útil. Alguns pacotes populares como pandas, numpy e matplotlib adicionam ainda mais valor. Eu sempre o uso além das redes neurais e produzo soluções como uma combinação, e a solução que dá o melhor resultado muitas vezes vem disso, trabalhando em diferentes pontos. **O que você não gosta em scikit-learn?** Não, nada me vem à mente na parte de desgosto e eu o usei por alguns anos em competições e projetos de aprendizado de máquina. Eles também atualizam o scikit-learn com bastante frequência para corrigir qualquer problema conhecido e fazer melhorias. **Recomendações a outras pessoas considerando scikit-learn:** Recomendo fortemente o tutorial oficial, que é super útil para iniciantes começarem; os códigos de exemplo incluídos e a introdução ao aprendizado de máquina também valem a pena ler. Tente seguir alguns exemplos lá em termos de diferentes cenários de aprendizado de máquina, é totalmente útil para ter uma noção geral de como o aprendizado de máquina funciona para diferentes propósitos. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Ajudou-me a passar por competições no Kaggle, estágio e também em um emprego em tempo integral. Ele atende a problemas clássicos de regressão, classificação, previsão de séries temporais e outros tipos de problemas de aprendizado de máquina. Eu aprecio que todo o pipeline de projeto de aprendizado de máquina de ponta a ponta pode ser realizado dentro do scikit-learn. Começando pelo pré-processamento e limpeza de dados, pode-se facilmente entrar na parte de modelagem com a ajuda de funções úteis embutidas, como a divisão de treino e teste. A sintonia de hiperparâmetros também é conveniente nele. ### 15. Destinado a quase todas as necessidades de Aprendizado de Máquina **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Software de Computador | Médio Porte (51-1000 emp.) **Reviewed Date:** January 29, 2020 **O que você mais gosta em scikit-learn?** Gosto do fato de que ele inclui uma tonelada de funcionalidades e incorpora quase todos os algoritmos de Machine Learning destinados ao aprendizado supervisionado e não supervisionado. Pode ser usado para desenvolver vários algoritmos de regressão, classificação e agrupamento. Utiliza uma gama de algoritmos de aprendizado de máquina, pré-processamento, validação cruzada e visualização. Fornece três Métricas de Regressão, a saber, Erro Absoluto Médio, Erro Quadrático Médio, Pontuação R². Também fornece três Métricas de Classificação, a saber, Pontuação de Precisão, Relatório de Classificação, Matriz de Confusão. Além disso, fornece três Métricas de Agrupamento, a saber, Índice Rand Ajustado, Homogeneidade, Medida V. **O que você não gosta em scikit-learn?** Além da incapacidade de escalar bem, há também o fato de que o scikit-learn não faz absolutamente nada para ajudar na implantação do modelo em produção. **Recomendações a outras pessoas considerando scikit-learn:** Todas as funções e usos do Scikit-learn estão muito bem documentados, então, se você ficar preso com o uso de algum parâmetro ou chamadas de função, uma simples busca na documentação e você encontrará o seu caminho. É uma boa biblioteca para usar em todos os seus problemas básicos de aprendizado de máquina, seja para classificação, análises preditivas simples, ou até mesmo exploração de dados, juntamente com agrupamento e rotulagem, é claro. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu usei o scikit-learn para todos os problemas de Machine Learning, seja para classificação, rotulagem ou agrupamento. Ele fornece funções para ajustar o modelo usando busca em grade e otimização de parâmetros aleatorizados. É usado para classificação, análise preditiva e muitas outras tarefas de aprendizado de máquina. ### 16. A melhor ferramenta para Machine Learning **Rating:** 4.5/5.0 stars **Reviewed by:** Meliksah T. | Engineer, Empresa (> 1000 emp.) **Reviewed Date:** August 17, 2019 **O que você mais gosta em scikit-learn?** - Ele contém muitos algoritmos de aprendizado de máquina, como: random forest, árvore de decisão, máquinas de vetores de suporte, análise discriminante linear, análise discriminante quadrática, regressão logística, perceptron multicamadas (redes neurais), naive bayes, outros algoritmos de boosting, knn, k-means (e outros algoritmos de agrupamento) - Ele contém ferramentas de pré-processamento (normalização, padronização) - Ele contém ferramentas de ajuste de hiperparâmetros (RandomSearchCV, GridSearchCV) - Ele contém muitos tipos de métricas para ajustar o modelo (acurácia, recall, precisão, f1_score, etc) e somando tudo isso é possível desenvolver e criar uma aplicação de aprendizado de máquina de ponta a ponta Sem mencionar que tudo isso acima, juntamente com o scikit-learn como um todo, é compatível com outras bibliotecas Python, como pandas, numpy, mlxtend, matplotlib. **O que você não gosta em scikit-learn?** - Deve incluir algoritmos de última geração mais recentes, como XGBoost, Catboost, LightGBM. - Facilitar o uso de GPU, caso contrário, o ajuste de hiperparâmetros leva muito tempo. **Recomendações a outras pessoas considerando scikit-learn:** Documentações são ótimas. para que você tenha uma ótima compreensão da biblioteca. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Estou resolvendo problemas de aprendizado de máquina com scikit-learn. Especificamente, limpo dados, testo modelos de linha de base, experimento diferentes algoritmos, ajusto-os e finalizo o modelo. ### 17. Bom para aprendizado de máquina **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Educação Superior | Médio Porte (51-1000 emp.) **Reviewed Date:** July 29, 2020 **O que você mais gosta em scikit-learn?** Vários modelos de aprendizado de máquina e parâmetros fáceis de ajustar. Também é fácil aplicar a transformação de dados antes de ajustar o modelo. **O que você não gosta em scikit-learn?** Poderia adicionar mais exemplos na documentação **Recomendações a outras pessoas considerando scikit-learn:** Muitas funções para preparar dados para modelos de aprendizado de máquina **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Subamostragem e superamostragem ### 18. Aprendizado de Máquina facilitado com Scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Stanley D. | Data Engineer, Hardware de Computador, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** June 27, 2019 **O que você mais gosta em scikit-learn?** 1. Adoro o fato de poder experimentar uma variedade de algoritmos de aprendizado de máquina sem ter que construí-los do zero. Eu apenas os chamo usando funções já disponíveis. 2. O Scikit-learn fornece aos usuários uma função para dividir um conjunto de dados em dados de treino e validação apenas passando uma proporção de divisão. 3. O Scikit-learn se integra facilmente com outras estruturas de aprendizado profundo. **O que você não gosta em scikit-learn?** Eu não tive nenhum motivo para odiar o scikit-learn no momento, pois ele me ajudou a alcançar muito em aprendizado de máquina. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Meu primeiro hackathon, tentei construir um modelo de regressão linear do zero, até que alguém me falou sobre o scikit-learn. Com ele, consegui experimentar vários algoritmos de aprendizado de máquina que estavam disponíveis. ### 19. A melhor biblioteca de Machine Learning em Python **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Software de Computador | Médio Porte (51-1000 emp.) **Reviewed Date:** July 03, 2019 **O que você mais gosta em scikit-learn?** Scikit learn é simplesmente maravilhoso. Ele abstrai todas as complexidades de vários frameworks de aprendizado de máquina. Scikit learn fornece chamadas de função de uma linha para funções realmente complexas e a documentação é linda. Um completo novato pode passar pela documentação e entender, já que é legível para humanos. Além dos principais modelos de aprendizado de máquina, que vão desde floresta aleatória, árvores de decisão e regressão linear, eles também fornecem bibliotecas para pré-processamento de dados. Você pode fazer pré-processamento de dados, codificação one hot e muitas outras coisas com o Scikit Learn. **O que você não gosta em scikit-learn?** Os modelos do Scikit-learn demoram muito para treinar e exigem que seus dados estejam em um formato específico. Isso pode ser realmente estressante, especialmente quando as mensagens de erro não fornecem muita informação sobre o problema. **Recomendações a outras pessoas considerando scikit-learn:** Scikit-learn é uma biblioteca maravilhosa para o rápido desenvolvimento de aprendizado de máquina e até mesmo para construir sistemas prontos para produção. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu faço meu aprendizado de máquina geral com o sci-kit learn. Isso me permitiu ser mais produtivo e focar mais em simplesmente construir soluções, já que posso simplesmente entender superficialmente como um modelo funciona e usá-lo sem entrar nos detalhes matemáticos envolvidos. ### 20. modelos de aprendizado de máquina plug and play **Rating:** 4.0/5.0 stars **Reviewed by:** Vikas P. | Associate System Engineer , Pequena Empresa (50 ou menos emp.) **Reviewed Date:** May 28, 2019 **O que você mais gosta em scikit-learn?** Gosto desta biblioteca porque é super fácil importar a biblioteca e usar os modelos de Machine Learning. Para instalar o scikit-learn é muito fácil. Eles têm muitos modelos de machine learning, como random forest, xgboost e muitos mais. Você não precisa codificar do zero. Eles também fornecem muitos parâmetros para ajustar os modelos, o que é útil. **O que você não gosta em scikit-learn?** É uma espécie de plug and play, mas a personalização é um pouco difícil para os modelos de aprendizado de máquina. Além disso, em comparação com o TensorFlow, é lento. **Recomendações a outras pessoas considerando scikit-learn:** Se você só precisa de um modelo de aprendizado de máquina e não quer mais especificações ou personalizações, você pode usar o scikit-learn. É fácil de usar e implementar. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Para modelos gerais de aprendizado de máquina onde preciso de modelos e não quero personalizar o modelo, uso modelos predefinidos do scikit-learn. ### 21. revisão do scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Pesquisa | Pequena Empresa (50 ou menos emp.) **Reviewed Date:** November 01, 2019 **O que você mais gosta em scikit-learn?** A melhor parte do scikit-learn é que ele possui uma variedade de algoritmos de regressão, classificação e agrupamento. A página do scikit-learn permite ver quais hiperparâmetros devem ser usados para meus dados e quais valores devo atribuir. **O que você não gosta em scikit-learn?** Nada por enquanto, mas acho que poderia ser mais rápido para grandes conjuntos de dados. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Tenho usado o scikit-learn para trabalhar nos meus projetos de curso e para aprender como os algoritmos funcionam e compará-los para ver qual é o melhor. ### 22. Usuário de Python/sklearn **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Software de Computador | Empresa (> 1000 emp.) **Reviewed Date:** December 10, 2019 **O que você mais gosta em scikit-learn?** A documentação do sklearn é extremamente boa, e um grande número de análises de aprendizado de máquina pode ser feito usando esta biblioteca. **O que você não gosta em scikit-learn?** O número de diferentes hiperparâmetros a definir é enorme. **Recomendações a outras pessoas considerando scikit-learn:** O manual é realmente útil. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Problemas de classificação, regressão e agrupamento. ### 23. Scikit-Learn: Uma biblioteca obrigatória para aprendizado de máquina **Rating:** 5.0/5.0 stars **Reviewed by:** Jezz B. | Machine Learning Engineer, Internet, Empresa (> 1000 emp.) **Reviewed Date:** November 06, 2018 **O que você mais gosta em scikit-learn?** A melhor coisa sobre o scikit learn é que ele torna a implementação e o uso de algoritmos de aprendizado de máquina muito mais fáceis. Tenho usado o scikit learn desde o início da minha carreira e até durante meus dias de graduação eu usei o scikit learn. Ele tem melhorado desde então e também atualizado os algoritmos. Usar o scikit learn realmente acelerará suas tarefas de implementação de tarefas de ML para o seu serviço. **O que você não gosta em scikit-learn?** Nada para não gostar no scikit learn. Eu diria que é realmente uma boa biblioteca. **Recomendações a outras pessoas considerando scikit-learn:** Eu diria que scikit-learn realmente vale a pena usar. Scikit-learn é muito fácil de usar e até mesmo um novo usuário se adaptaria facilmente a ele. Essas funcionalidades são difíceis de encontrar em qualquer lugar e também em código aberto. Portanto, eu recomendaria o uso do scikit-learn. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Estou usando o scikit-learn nos últimos 5 anos e o utilizei em grande medida, a ponto de às vezes também fornecer atualizações de git push para a biblioteca quando sinto necessidade. Tenho usado para implementar todas as tarefas relacionadas a aprendizado de máquina, como treinar o algoritmo, desenvolver o algoritmo, bem como pré-processar e calcular precisões e plotá-las. É uma biblioteca realmente exigente que você pode usar para sua conveniência. ### 24. Boa Experiência **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Tecnologia da Informação e Serviços | Empresa (> 1000 emp.) **Reviewed Date:** October 02, 2019 **O que você mais gosta em scikit-learn?** É uma solução para tarefas de Aprendizado de Máquina. Você também tem técnicas de otimização (use gridsearchcv ou randomsearchcv). Também possui um guia ou caminho para descrever qual algoritmo um usuário deve usar. **O que você não gosta em scikit-learn?** Não há implementação do classificador Catbooster, do classificador lightGBM e muitos outros. **Recomendações a outras pessoas considerando scikit-learn:** Muito útil **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Isso facilita o uso devido à precisão predefinida, pontuação, validação cruzada e técnicas de otimização. ### 25. aprendizado de máquina e API de aprendizado profundo para Python **Rating:** 5.0/5.0 stars **Reviewed by:** Julia P. | Machine Learning Engineer, Tecnologia da Informação e Serviços, Empresa (> 1000 emp.) **Reviewed Date:** October 19, 2018 **O que você mais gosta em scikit-learn?** A melhor coisa que comecei a gostar no scikit-learn é a facilidade de criar e executar um algoritmo de aprendizado de máquina para qualquer modelo. Se você precisa de um KNN para o reconhecimento facial, basta chamar o classificador Knn com os hiperparâmetros adequados e usá-lo no seu modelo de reconhecimento facial com muito poucas linhas de código e muita simplicidade. Se você precisa usar um modelo de regressão linear, então basta chamar seu objeto, treinar seus próprios dados nele e prever quando necessário. É muito simples de usar e é isso que o torna mais interessante. Além disso, vem com muitos conjuntos de dados personalizados que podem ser importados e usados diretamente. **O que você não gosta em scikit-learn?** Nada encontrado ainda para não gostar sobre esta biblioteca incrível. **Recomendações a outras pessoas considerando scikit-learn:** Sim, há múltiplas razões para considerar recomendar o scikit-learn para qualquer projeto ou produto de aprendizado de máquina. Sempre que você trabalha em um projeto assim, construir tudo do zero é realmente uma bagunça; em vez disso, por que não construir o projeto de acordo com sua necessidade usando peças simples como funções e integrá-las todas para reunir e usar em sua aplicação. Então, vale a pena recomendar o scikit-learn a todos os engenheiros de aprendizado de máquina. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Estou usando o scikit-learn para desenvolver modelos de aprendizado de máquina e usá-los em aplicações ao vivo. Mais recentemente, usei-o para criar um classificador de reconhecimento facial que classificou os rostos em tempo real. Usei o classificador KNN para isso e obtive bons resultados ajustando os hiperparâmetros. Isso realmente me economizou muito tempo de implementação do zero. ### 26. Incrivelmente simples, rápido e poderoso **Rating:** 4.0/5.0 stars **Reviewed by:** Usuário Verificado em Software de Computador | Pequena Empresa (50 ou menos emp.) **Reviewed Date:** July 17, 2019 **O que você mais gosta em scikit-learn?** Scikit-learn é extremamente escalável e ótimo especialmente para iniciantes. Minha principal experiência tem sido usando o classificador de vetor de suporte deles, que é ideal para o nosso projeto de mapeamento de imagens de ultrassom para movimentos da mão. **O que você não gosta em scikit-learn?** A documentação poderia ser um pouco melhor, mas fora isso, é incrivelmente confiável e consistente. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Capacitar músicos amputados a usar mãos robóticas para tocar música com imagens de ultrassom e máquinas de vetores de suporte ### 27. Revisão do Scikit-learn **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Gestão Educacional | Médio Porte (51-1000 emp.) **Reviewed Date:** April 30, 2019 **O que você mais gosta em scikit-learn?** O Scikit-learn pode ser usado para quase todas as tarefas de aprendizado de máquina, pois consiste em ferramentas para a maioria das tarefas padrão de aprendizado de máquina, como classificação, agrupamento, regressão e redução de dimensionalidade. **O que você não gosta em scikit-learn?** R é mais focado em estatísticas do que o scikit-learn. Por exemplo, R fornece mais detalhes sobre regressão do que o scikit-learn. **Recomendações a outras pessoas considerando scikit-learn:** O Scikit-learn é ótimo para iniciantes e também pode ser usado em projetos acadêmicos. O modelo é fácil de usar e permite realizar múltiplos processos para problemas complexos. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Scikit-learn está sendo usado para prever o comportamento do consumidor em um aplicativo que sugere produtos aos usuários. É mais eficiente e preciso do que outras alternativas. ### 28. A API com tudo sobre aprendizado de máquina **Rating:** 4.5/5.0 stars **Reviewed by:** Usuário Verificado em Software de Computador | Pequena Empresa (50 ou menos emp.) **Reviewed Date:** June 30, 2019 **O que você mais gosta em scikit-learn?** Adoro o fato de que quase todos os algoritmos de aprendizado de máquina são facilitados no framework, é muito fácil de usar. Ele tem tantas funcionalidades. **O que você não gosta em scikit-learn?** Não tem nenhuma versão de deep learning, é principalmente para machine learning, ou seja, não é robusto. **Recomendações a outras pessoas considerando scikit-learn:** Recomendo o vídeo do Sirags para pessoas dispostas a usar o scikit-learn para aprendizado de máquina. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Usamos o scikit-learn para construir modelos de aprendizado de máquina no meu local de trabalho. ### 29. Ótima ferramenta de aprendizado de máquina **Rating:** 4.5/5.0 stars **Reviewed by:** Christian M. N. | Software Developer, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** May 12, 2019 **O que você mais gosta em scikit-learn?** scikit-learn fornece uma interface limpa e consistente para uma infinidade de modelos diferentes **O que você não gosta em scikit-learn?** Scikit learn pode ser difícil de aprender se você não tiver experiência prévia com python. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Scikit learn nos permite construir modelos de aprendizado de máquina que podem ser usados para fazer previsões, classificações e mais. ### 30. Scikit learning - que beleza! **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Varejo | Empresa (> 1000 emp.) **Reviewed Date:** April 30, 2019 **O que você mais gosta em scikit-learn?** O que não gostar, dá-lhe o poder de treinar modelos de aprendizado de máquina abstraindo como eles funcionam por baixo. Pode ser assustador às vezes saber como os algoritmos de ML funcionam na teoria e fica mais assustador quando você tem que colocá-los em código funcional, mas com o scikit-learn você não precisa se preocupar com a implementação subjacente e pode simplesmente começar com o aprendizado de máquina. **O que você não gosta em scikit-learn?** Não consegui encontrar nada de que não gostasse até agora 😊 **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Estamos aproveitando a biblioteca Scikit Learn junto com outras bibliotecas para lidar com problemas de PLN. ### 31. Conjunto de Ferramentas de Aprendizado de Máquina para Python **Rating:** 5.0/5.0 stars **Reviewed by:** Vishwas R. | Machine Learning Engineer, Software de Computador, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** July 07, 2018 **O que você mais gosta em scikit-learn?** Scikit learn é basicamente a biblioteca para Python que inclui todos os algoritmos de aprendizado de máquina, perfeitamente codificados para facilitar o seu trabalho. Ela nos ajuda a focar na parte de aplicação em vez da implementação e também reduz nosso tempo ao eliminar a necessidade de codificar o algoritmo do zero. É uma biblioteca famosa e amplamente utilizada, e também é apoiada por muitos desenvolvedores de código aberto, o que torna seus algoritmos muito melhores do que qualquer outro. Além disso, possui uma grande variedade de conjuntos de dados que também podem ser usados para testes, como o conjunto de dados iris, o que ajuda muito durante o desenvolvimento e teste do código. **O que você não gosta em scikit-learn?** Na verdade, eu amo esta biblioteca e passei quase todo o meu tempo de trabalho usando-a e não tenho nada de que não goste nela. **Recomendações a outras pessoas considerando scikit-learn:** Recomendo o uso do scikit learn para todos os engenheiros de aprendizado de máquina ou outros profissionais desta área para implementar diretamente uma variedade de algoritmos em uma única linha de código. Como, por exemplo, se você precisar codificar um SVM para sua regressão, codificá-lo do zero pode levar tempo, mas se você usar o scikit learn, pode simplesmente chamar o objeto SVM e usá-lo para treinar seus dados e prever resultados ou usar o modelo conforme necessário. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Sou engenheiro de aprendizado de máquina na Innovatee IT Solutions, que fornece soluções de aprendizado de máquina para todos os setores industriais. Tenho que desenvolver várias aplicações nas quais usamos algoritmos de ML direta ou indiretamente e, para essa implementação, uso o scikit-learn. Isso facilita meu trabalho e me ajuda a desenvolver aplicações que estão à altura para nossos clientes. ### 32. Melhor módulo para classificação, agrupamento, análise de sentimento, plotagem de gráficos, etc. **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Software de Computador | Pequena Empresa (50 ou menos emp.) **Reviewed Date:** May 09, 2019 **O que você mais gosta em scikit-learn?** A documentação é a melhor parte deste módulo. A facilidade de uso, as funcionalidades variadas e a facilidade de incorporar vários parâmetros ao mesmo tempo me fazem usar o sci-kit learn repetidamente. **O que você não gosta em scikit-learn?** Literalmente, não há desvantagem neste módulo. Eu diria que ter uma comunidade ativa sobre ele seria mais útil. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Análise de sentimento, classificação, agrupamento, plotagem de diferentes curvas de aprendizado ### 33. Melhor biblioteca de aprendizado de máquina para Python **Rating:** 5.0/5.0 stars **Reviewed by:** Sunil C. | Software Developer, Tecnologia da Informação e Serviços, Empresa (> 1000 emp.) **Reviewed Date:** June 04, 2018 **O que você mais gosta em scikit-learn?** Scikit-learn é a biblioteca mais desejada para Python por qualquer engenheiro de aprendizado de máquina para projeto de aprendizado de máquina. Se você tem experiência em ML e tem um pouco menos de conhecimento sobre sua implementação, então você pode usar isso porque aqui você pode criar qualquer classificador ou modelo de regressão apenas chamando seu objeto. Este objeto pode ser treinado pelo seu conjunto de treinamento e este modelo já treinado pode ser usado para prever os resultados futuros. Outro benefício é que, se você quiser mudar os parâmetros do algoritmo específico, também pode ser alterado chamando o objeto e passando os valores necessários. Também possui uma documentação muito limpa que é muito fácil de entender. **O que você não gosta em scikit-learn?** Eu não tenho muito do que não gostar sobre o scikit-learn. **Recomendações a outras pessoas considerando scikit-learn:** Eu recomendaria usar o scikit-learn se você quiser implementar facilmente modelos de aprendizado de máquina para sua empresa e esses modelos são algoritmicamente sólidos porque é a biblioteca que é usada por muitos grandes realizadores neste campo, então eles também contribuíram para esta biblioteca, pois é de código aberto. Se você estiver implementando qualquer coisa relacionada a ML em seu projeto em Python, então opte pelo scikit-learn. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Na minha empresa, onde quer que a palavra aprendizado de máquina seja mencionada, lá o scikit-learn está sendo usado para implementar modelos de ML. Eu também tenho usado o scikit-learn para prever vários resultados do mercado de ações para nossa empresa de consultoria e também usei o scikit-learn para implementar modelos relacionados a ML em qualquer software que nosso cliente necessite, então o scikit-learn é parte integral de mim no que diz respeito ao aprendizado de máquina. ### 34. Aprendizado de Máquina API para Python **Rating:** 5.0/5.0 stars **Reviewed by:** Paresh A. | Software Engineer, Tecnologia da Informação e Serviços, Empresa (> 1000 emp.) **Reviewed Date:** June 07, 2018 **O que você mais gosta em scikit-learn?** É uma API ou uma biblioteca para Python para implementar algoritmos de aprendizado de máquina declarando diretamente os classificadores e treinando os dados neles. Ao fazer isso, você pode gerar um modelo e, em seguida, apenas usar esse modelo para prever os valores. Scikit-learn é uma biblioteca de código aberto e é contribuída por muitos desenvolvedores e, por causa disso, possui os melhores algoritmos que são implementados. Quase todos os algoritmos podem ser facilmente usados com uma única linha de código e também os parâmetros podem ser modificados de acordo com sua necessidade, por isso é a melhor biblioteca. **O que você não gosta em scikit-learn?** Eu não tenho nada a desgostar sobre esta incrível biblioteca scikit-learn. **Recomendações a outras pessoas considerando scikit-learn:** Eu recomendo o uso do scikit learn para todos os desenvolvedores de software e também desenvolvedores de aprendizado de máquina que gostariam de implementar algoritmos de aprendizado de máquina sem o incômodo de codificar todo o algoritmo, em vez disso, apenas implementá-los com uma linha de código usando scikit learn. Eu também recomendo o scikit learn porque você pode alterar os parâmetros de algoritmos específicos, como a taxa de aprendizado, de acordo com sua necessidade, então eu o recomendo para aprendizado de máquina. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Sou engenheiro de software e implemento algoritmos de aprendizado de máquina para várias empresas e projetos que nossos clientes nos dão. E quando se trata de aprendizado de máquina, prefiro o scikit-learn porque é a melhor biblioteca com quase todos os classificadores e também um conjunto de dados de grande porte disponível com ela, então se torna fácil desenvolver modelos comuns apenas usando esses conjuntos de dados, por isso é uma ótima biblioteca para nós. ### 35. Biblioteca clássica de ML **Rating:** 5.0/5.0 stars **Reviewed by:** Yash R. | Software Engineer, Software de Computador, Médio Porte (51-1000 emp.) **Reviewed Date:** February 07, 2018 **O que você mais gosta em scikit-learn?** scikit learn é a biblioteca de aprendizado de máquina implementada em python. Consiste em todos os algoritmos de aprendizado de máquina, como regressão linear, regressão logística e muitos mais algoritmos de agrupamento pré-implementados. Você pode usar esses algoritmos em seu conjunto de dados com apenas uma única linha de código. Você pode treinar o modelo em seu conjunto de dados e usar esse modelo para prever valores futuros. Você também pode salvar seu modelo treinado e alterar os parâmetros do algoritmo para ajustar o algoritmo de acordo com seu uso. **O que você não gosta em scikit-learn?** É a biblioteca Classic ML para Python e não há nada de que não gostar nela. **Recomendações a outras pessoas considerando scikit-learn:** Eu recomendo usar o scikit-learn para implementar algoritmos de ML no seu software usando python porque ele possui uma variedade de algoritmos implementados e você também pode ajustar os parâmetros de seus algoritmos de acordo com sua necessidade. É, de longe, a melhor biblioteca de ML para python e, portanto, é a biblioteca mais recomendada para implementar algoritmos de ML. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu uso a biblioteca sci-kit learn para implementar vários algoritmos de classificação e regressão de aprendizado de máquina em python para integrar ainda mais esses modelos treinados no software exigido pelo cliente. É tão simples de usar que até mesmo uma pessoa com conhecimento básico de ML pode implementar os algoritmos com facilidade. ### 36. Aprendizado de máquina Implementação Biblioteca Python **Rating:** 5.0/5.0 stars **Reviewed by:** Rahul C. | Software Engineer, Tecnologia da Informação e Serviços, Empresa (> 1000 emp.) **Reviewed Date:** February 06, 2018 **O que você mais gosta em scikit-learn?** É a biblioteca Python para implementar algoritmos de aprendizado de máquina. Possui vários algoritmos de aprendizado de máquina pré-implementados que você pode usar apenas com uma única linha de código. Todos os classificadores de aprendizado de máquina são modificáveis de acordo com sua necessidade. Você pode treinar seu modelo e salvá-lo para uso futuro e prever resultados com muita facilidade. É a melhor biblioteca de ML para Python que você pode ter. **O que você não gosta em scikit-learn?** Nada para não gostar sobre a extraordinária biblioteca de aprendizado de máquina. **Recomendações a outras pessoas considerando scikit-learn:** É a melhor biblioteca de aprendizado de máquina recomendada para Python. É muito fácil implementar classificadores de ML em qualquer tamanho de dados. Além disso, você pode escalar os dados usando o scikit-learn, por isso é a melhor biblioteca de ML para Python. Se você deseja implementar modelos de ML em seus dados com facilidade, deve usar o scikit-learn. Portanto, é definitivamente a melhor biblioteca para ML. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu uso o Scikit learn para implementar aprendizado de máquina em nossos softwares de acordo com a necessidade e os dados de nossos clientes. É muito útil no campo da ciência de dados para implementar vários classificadores de ML em nossos dados e usá-los de acordo com nosso uso. Tornou o trabalho de implementação dos algoritmos de ML muito fácil. ### 37. Biblioteca de Aprendizado de Máquina Para Desenvolvedores Iniciantes **Rating:** 5.0/5.0 stars **Reviewed by:** Narendra N. | Senior Software Engineer, Tecnologia da Informação e Serviços, Empresa (> 1000 emp.) **Reviewed Date:** January 23, 2018 **O que você mais gosta em scikit-learn?** Scikit learn é uma biblioteca de aprendizado de máquina para python. Você pode facilmente desenvolver e gerar modelos de aprendizado de máquina com tanta facilidade e também pode treinar o modelo com apenas uma única linha de código. É tão fácil implementar algoritmos de aprendizado de máquina que até mesmo desenvolvedores iniciantes podem facilmente implementar vários modelos de aprendizado de máquina. Também pode ser usado para modificar as variáveis dos modelos e construir um modelo de acordo com seu uso. **O que você não gosta em scikit-learn?** É a melhor biblioteca de ML disponível para Python, então sem problemas com o scikit learn. **Recomendações a outras pessoas considerando scikit-learn:** Eu recomendo usar o scikit learn para implementar os modelos de ML de forma fácil e sem mais esforço e você também pode ajustar o modelo de acordo com sua necessidade e também salvar o modelo treinado. Você não encontrará nada assim em nenhuma outra biblioteca. Se você usar python para implementação de ML, scikit learn é o melhor framework que você pode ter. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu uso scikit learn para implementar e treinar modelos de aprendizado de máquina para meus sites e também para os softwares que minha empresa desenvolve. Eu uso scikit learn e ajusto o modelo de ML de acordo com a especificação do projeto e então desenvolvo um modelo perfeitamente treinado e ajustado para o software. ### 38. Ótima ferramenta para aprendizado de máquina simples **Rating:** 3.5/5.0 stars **Reviewed by:** Usuário Verificado em Gestão Educacional | Empresa (> 1000 emp.) **Reviewed Date:** February 12, 2019 **O que você mais gosta em scikit-learn?** Oferece uma ampla variedade de algoritmos tradicionais de aprendizado de máquina. **O que você não gosta em scikit-learn?** Não é muito confortável de usar enquanto se trabalha em Redes Neurais Profundas. **Recomendações a outras pessoas considerando scikit-learn:** Introduza a caixa de ferramentas Deeplearning **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Algoritmo de Floresta Aleatória, SVM, Popularidade de Notícias Online ### 39. melhor biblioteca de aprendizado de máquina disponível. **Rating:** 5.0/5.0 stars **Reviewed by:** vivek s. | Software Developer, Segurança de Redes e Computadores, Médio Porte (51-1000 emp.) **Reviewed Date:** February 13, 2018 **O que você mais gosta em scikit-learn?** Treinar seus dados com scikit-learn é muito fácil. Usando scikit-learn, você pode desenvolver rapidamente classificadores e preparar seus modelos de regressão em muito pouco tempo. A MELHOR coisa sobre scikit-learn é que você pode salvar seu modelo e seus dados treinados para uso futuro. **O que você não gosta em scikit-learn?** scikit-learn é uma biblioteca de ML muito boa, não há nada para não gostar nela. **Recomendações a outras pessoas considerando scikit-learn:** scikit-learn é uma biblioteca de Machine Learning excepcionalmente robusta e versátil até hoje. você não encontrará nenhum substituto para esta biblioteca. scikit-learn contém todos os algoritmos de ML pré-implementados, o que ajuda muito. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** nós estamos desenvolvendo software baseado em análise de sentimentos e sistema de recomendação com a ajuda do scikit-learn. ele nos fornece as funções embutidas e nos ajuda a desenvolver o software para os clientes rapidamente. ### 40. Uma ótima biblioteca para aprendizado de máquina em Python **Rating:** 5.0/5.0 stars **Reviewed by:** ishnat s. | Software Engineer, Serviços de Informação, Médio Porte (51-1000 emp.) **Reviewed Date:** February 09, 2018 **O que você mais gosta em scikit-learn?** Scikit learn é uma ótima biblioteca que possui todos os módulos necessários para aprendizado de máquina. Também ajuda o desenvolvedor a criar máquinas em IA e nos ajuda a treinar o software. Scikit learn é a biblioteca mais avançada para aprendizado de máquina usada em Python por causa de suas vastas aplicações e excelente interface de usuário e inclusão de diferentes funções. E também pode ser implantada em diferentes plataformas de repositório como o Github. **O que você não gosta em scikit-learn?** A única coisa que não gosto no scikit-learn é que ele exige alta potência de computação, devido à qual pode ser usado em máquinas com um pequeno número de núcleos. **Recomendações a outras pessoas considerando scikit-learn:** eu recomendaria esta biblioteca para uso extensivo de bibliotecas de aprendizado de máquina. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Desenvolvi um sistema de recomendação usando scikit-learn e foi baseado em recomendar filmes. ### 41. Biblioteca de ML do Python com ótima documentação **Rating:** 5.0/5.0 stars **Reviewed by:** Nupur M. | Senior Software Engineer, Software de Computador, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** February 09, 2018 **O que você mais gosta em scikit-learn?** A melhor coisa que eu diria é que é de código aberto. Além disso, a documentação é muito boa, qualquer iniciante pode facilmente aprender a usar o scikit-learn com essa documentação. Junto com a documentação, os algoritmos que eles fornecem são muito eficientes e rápidos. Quase todos os algoritmos de Machine Learning são fornecidos, então se torna um único e também o melhor lugar para um entusiasta de ML. **O que você não gosta em scikit-learn?** Usando scikit-learn em todas as minhas tarefas de aprendizado de máquina, então eu diria, 'sem desgostos'. **Recomendações a outras pessoas considerando scikit-learn:** Eles oferecem tutoriais em seu site principal: http://scikit-learn.org em cada seção. Eles têm sido uma grande ajuda para mim pessoalmente. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu uso para todas as minhas tarefas de aprendizado de máquina e para cada aplicação que crio onde ML é usado. ### 42. Melhor biblioteca de ML (Machine Learning) documentada **Rating:** 5.0/5.0 stars **Reviewed by:** Jash S. | Software Engineer, Software de Computador, Médio Porte (51-1000 emp.) **Reviewed Date:** December 11, 2017 **O que você mais gosta em scikit-learn?** Scikit learn é a biblioteca para aprendizado de máquina que é bem documentada, de modo que um desenvolvedor de aprendizado de máquina inexperiente também pode usá-la. Os algoritmos que são implementados na biblioteca são os algoritmos comuns de aprendizado de máquina e podem escalar para quase todos os tamanhos de dados. Você pode facilmente usar os algoritmos de aprendizado de máquina em um programa Python normal e aproveitar a análise de dados através do aprendizado de máquina usando scikit learn. **O que você não gosta em scikit-learn?** Scikit learn não deixou nenhuma pista falsa além disso, você não pode encontrar uma única evidência para não gostar dele. **Recomendações a outras pessoas considerando scikit-learn:** Eu recomendo scikit learn como a melhor biblioteca de aprendizado de máquina para qualquer conjunto de dados para implementar vários algoritmos de aprendizado de máquina. E é de código aberto e está melhorando dia após dia. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Nós usamos o scikit-learn para implementar vários algoritmos de ML através do Python. Usando esses algoritmos, obtemos nossas análises de dados e previsões do mercado de ações. Também fornecemos várias soluções através de algoritmos de ML para nossos clientes de acordo com nosso uso. Recentemente, construímos um modelo para uma empresa para previsão de preços de ações de algumas de suas empresas dependentes. ### 43. Melhor biblioteca de Machine Learning **Rating:** 5.0/5.0 stars **Reviewed by:** Kartik B. | Senior Software Engineer, Software de Computador, Médio Porte (51-1000 emp.) **Reviewed Date:** December 06, 2017 **O que você mais gosta em scikit-learn?** A melhor biblioteca de aprendizado de máquina que encontrei na web. É a biblioteca que é usada pelos especialistas para exercícios de aprendizado de máquina. Com o scikit-learn, você pode facilmente desenvolver seu classificador ou modelo de regressão em uma única linha e, em seguida, treinar seus dados através desse classificador passando dados de treinamento para ele e também pode salvar o modelo treinado e usá-lo no futuro. Você também pode personalizar os famosos algoritmos de ML e ajustá-los de acordo com seu uso. **O que você não gosta em scikit-learn?** Nada para não gostar sobre a melhor biblioteca de aprendizado de máquina. **Recomendações a outras pessoas considerando scikit-learn:** Scikit-Learn é a melhor e garantida biblioteca de aprendizado de máquina recomendada para todos os desenvolvedores de aprendizado de máquina na sociedade porque você não encontrará nenhuma outra biblioteca que lhe ofereça algoritmos pré-implementados que você pode usar apenas escrevendo uma única linha e ajustando os parâmetros do algoritmo de acordo com seu uso. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Usamos o scikit-learn para desenvolver o modelo de treinamento para nosso uso, bem como para o uso de outras empresas que requerem modelos preditivos para seu uso diário. Também desenvolvemos modelos preditivos para nossos clientes e fornecemos a eles um aplicativo funcional que é ajustado e funciona de acordo com suas necessidades, então o scikit-learn é o melhor para nós. ### 44. Biblioteca de Aprendizado de Máquina de Código Aberto **Rating:** 5.0/5.0 stars **Reviewed by:** Riya T. | Senior Software Engineer, Software de Computador, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** April 16, 2018 **O que você mais gosta em scikit-learn?** - É de código aberto. - Tem um grande apoio da comunidade. - Pode-se facilmente encontrar tutoriais para aprendê-lo. - Documentação detalhada com detalhes. **O que você não gosta em scikit-learn?** Tem sido minha mão amiga quando se trata de Machine Learning. Não tenho problema ou desgosto por esta biblioteca muito boa e útil. **Recomendações a outras pessoas considerando scikit-learn:** Eles forneceram uma explicação detalhada de cada algoritmo com exemplo. Eu também recomendo os tutoriais do sentdex no YouTube. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Usando-o para construir projetos baseados em Machine Learning. ### 45. A biblioteca de aprendizado de máquina mais confiável e eficiente **Rating:** 5.0/5.0 stars **Reviewed by:** Rahul S. | Machine Learning Engineer, Software de Computador, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** February 11, 2018 **O que você mais gosta em scikit-learn?** A maioria dos problemas complexos são resolvidos facilmente com a ajuda de seu potencial de seleção de algoritmos. Ele também abrange a maioria das tarefas de aprendizado de máquina. Tem uma ótima interface e é um módulo bem atualizado. A escalabilidade e a robustez tornam-no muito fácil de usar. **O que você não gosta em scikit-learn?** Não é muito provável que seja usado onde há uma alta exigência de informações estatísticas. **Recomendações a outras pessoas considerando scikit-learn:** Recomendar scikit-learn para outros seria um grande prazer para mim. Sua qualidade de suporte e, acima disso, uma API bem documentada faz dela uma das melhores bibliotecas de aprendizado de máquina até agora. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Processamento de imagem. Reconhecimento facial, bem como de escrita à mão. Também na geração de conjuntos de dados com múltiplos rótulos. ### 46. Uma das melhores bibliotecas de aprendizado de máquina para a linguagem de programação Python **Rating:** 5.0/5.0 stars **Reviewed by:** Sunny S. | Machine Learning Engineer, Software de Computador, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** February 11, 2018 **O que você mais gosta em scikit-learn?** Ele abrange a maioria das tarefas de aprendizado de máquina. Ele escala para a maioria dos problemas de dados. A seleção de algoritmos sólidos. Um módulo bem atualizado. A documentação da API. O suporte ao cliente. É robusto e fácil de usar. **O que você não gosta em scikit-learn?** Ele não suporta aceleração de GPU. Ele tem menos foco em estatísticas do que o R. **Recomendações a outras pessoas considerando scikit-learn:** Eu definitivamente recomendaria usar scikit-learn, pois possui uma API bem documentada e também é fácil de usar. É mais adequado para implementar a maioria das tarefas de aprendizado de máquina. Tem um ótimo suporte ao cliente. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Áudio, Texto e categorização de Imagem. Bioinformática. Problemas de classificação multi-rótulo e classificação multi-classe. Carregamento e geração de conjuntos de dados multi-rótulo. ### 47. Muito bem documentada biblioteca de ML para Python **Rating:** 5.0/5.0 stars **Reviewed by:** Jeel L. | Senior Software Engineer, Software de Computador, Pequena Empresa (50 ou menos emp.) **Reviewed Date:** January 12, 2018 **O que você mais gosta em scikit-learn?** A documentação é limpa e clara, podendo ser facilmente compreendida. Se você enfrentar algum problema, pode facilmente encontrar a solução na internet, pois há muitas pessoas usando ao redor do mundo. Eu quase uso em todos os lugares onde uso Aprendizado de Máquina. **O que você não gosta em scikit-learn?** Sem aversões por uma biblioteca tão bem documentada e útil. **Recomendações a outras pessoas considerando scikit-learn:** Há muitos tutoriais disponíveis na internet, mas eu pessoalmente recomendo este canal do YouTube: https://www.youtube.com/user/sentdex para começar com scikit-learn. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** De todos os projetos de ML em que trabalhamos na Techy Developers, usamos o scikit-learn como biblioteca de ML. Funciona como um encanto, tem produzido ótimos resultados sempre que usado. ### 48. Ótima biblioteca Python para aprendizado de máquina **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Telecomunicações | Empresa (> 1000 emp.) **Reviewed Date:** December 06, 2017 **O que você mais gosta em scikit-learn?** Scikit-learn é uma biblioteca Python bem documentada que oferece fácil acesso a muitos algoritmos de aprendizado de máquina proeminentes. A biblioteca é projetada de tal forma que possui uma API consistente, independentemente do algoritmo que você escolha usar, tornando fácil adotar e experimentar um novo algoritmo que você nunca usou antes. **O que você não gosta em scikit-learn?** Como em qualquer biblioteca deste tipo (compilação de muitos algoritmos diferentes), nem sempre contém o conteúdo que você está procurando. O Scikit-learn contém apenas os algoritmos mais populares, então, se você estiver procurando por uma implementação de um algoritmo mais especializado, é muito possível que você não o encontre na biblioteca. **Recomendações a outras pessoas considerando scikit-learn:** Certifique-se de ler a documentação em profundidade. A API é intuitiva, mas requer compreensão de como os algoritmos de aprendizado de máquina funcionam em um nível alto. As ferramentas de transformação e manipulação de dados mais básicas e comuns já estão integradas, então tente usar essas, a menos que seu conjunto de dados exija algo mais especializado. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Eu uso o scikit-learn para acessar algoritmos de aprendizado não supervisionado para agrupar linhas de dados e unir conjuntos de dados sem relações preexistentes definidas. Isso levou à categorização de produtos em um nível mais baixo do que nunca esteve disponível até agora, devido à natureza dos dados da minha empresa. ### 49. Scikit-learn é um pacote realmente incrível incluído no Python. **Rating:** 5.0/5.0 stars **Reviewed by:** Usuário Verificado em Educação Superior | Empresa (> 1000 emp.) **Reviewed Date:** April 23, 2018 **O que você mais gosta em scikit-learn?** Você pode fazer classificação, agrupamento, regressão, pré-processamento e muito mais. Se você está trabalhando em pesquisa baseada em aprendizado de máquina, eu recomendaria fortemente este pacote. **O que você não gosta em scikit-learn?** Nada é desagradável. Tudo vem sem custo e é realmente eficiente. Você só precisa saber o básico de programação em Python. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** Estou usando isso no meu trabalho de pesquisa relacionado ao processamento de sinais e aprendizado de máquina. ### 50. Scikit learn é bom **Rating:** 4.5/5.0 stars **Reviewed by:** Usuário Verificado em Hospital e Cuidados de Saúde | Empresa (> 1000 emp.) **Reviewed Date:** June 25, 2018 **O que você mais gosta em scikit-learn?** Possui as melhores bibliotecas que podem ser executadas em dados. É principalmente útil quando você está fazendo aprendizado de máquina supervisionado ou não supervisionado em seus dados. **O que você não gosta em scikit-learn?** Python é lento. Portanto, usar as bibliotecas torna a análise de dados lenta. **Recomendações a outras pessoas considerando scikit-learn:** Scikit learn é incrível, tem muitos recursos para aprendizado de máquina. **Que problemas scikit-learn está resolvendo e como isso está beneficiando você?** análise de risco de crédito, Bibliotecas diretas disponíveis para muitos algoritmos de aprendizado de máquina ## scikit-learn Discussions - [Para que é usado o scikit-learn?](https://www.g2.com/pt/discussions/scikit-learn-what-is-scikit-learn-used-for) - 2 comments - [O que é o Python Scikit learn?](https://www.g2.com/pt/discussions/what-is-python-scikit-learn) - 1 comment - [View scikit-learn pricing details and edition comparison](https://www.g2.com/pt/products/scikit-learn/reviews?section=pricing&secure%5Bexpires_at%5D=2026-06-12+08%3A46%3A10+-0500&secure%5Bsession_id%5D=a6b96e96-2e31-40d3-a3b5-f479b29818ed&secure%5Btoken%5D=c432e126bc797b6be13120d9ef96f8e4b3f0d2a2d6bdd277d3bb02148d831f86&format=llm_user) ## scikit-learn Features **Integração - Aprendizado de Máquina** - Integração **Aprendizado - Aprendizado de Máquina** - Dados de treinamento - Ideias acionáveis - Algoritmo ## Top scikit-learn Alternatives - [MLlib](https://www.g2.com/pt/products/mllib/reviews) - 4.1/5.0 (14 reviews) - [Weka](https://www.g2.com/pt/products/weka/reviews) - 4.3/5.0 (13 reviews) - [Google Cloud TPU](https://www.g2.com/pt/products/google-cloud-tpu/reviews) - 4.5/5.0 (33 reviews)