Tutorial de Sklearn

Sklearn (nombre completo scikit-learn) es una librería de aprendizaje automático de código abierto.
Sklearn es una librería de aprendizaje automático de código abierto basada en el lenguaje de programación Python, dedicada a proporcionar herramientas simples y eficientes.
Sklearn está construida sobre las librerías de cálculo científico NumPy, SciPy y matplotlib, y proporciona herramientas simples y eficientes para la minería de datos y el análisis de datos.
Sklearn es una de las herramientas centrales en muchos proyectos de aprendizaje automático, y se utiliza ampliamente en el ámbito académico, la industria y proyectos personales.
Sklearn es adecuada para diversos tipos de tareas de aprendizaje automático, como clasificación, regresión, agrupamiento (clustering), reducción de dimensionalidad, etc.
Antes de aprender este tutorial, necesitas saber
Antes de comenzar con el tutorial de scikit-learn, necesitamos tener conocimientos básicos de Python. Si aún no conoces Python, puedes leer nuestro tutorial:
Aplicaciones de Sklearn
Sklearn está construida sobre la base de NumPy y SciPy, por lo que puede manejar eficientemente cálculos numéricos y operaciones con arrays.
Sklearn se utiliza ampliamente en los campos de la ciencia de datos y el aprendizaje automático, ayudando en el análisis de datos, el entrenamiento de modelos y la predicción.
Sklearn también se utiliza a menudo en la educación para enseñar algoritmos de aprendizaje automático.
Sklearn también tiene aplicaciones en áreas específicas como el procesamiento del lenguaje natural y el reconocimiento de imágenes.
Enlaces relacionados
- Sitio web oficial de Sklearnhttps://scikit-learn.org/
- Código fuente de Sklearn:https://github.com/scikit-learn/scikit-learn
- Sitio web oficial de NumPyhttp://www.numpy.org/
- Código fuente de NumPy:https://github.com/numpy/numpy
- Sitio web oficial de SciPy:https://www.scipy.org/
- Código fuente de SciPy:https://github.com/scipy/scipy
- Sitio web oficial de Matplotlib:https://matplotlib.org/
- Código fuente de Matplotlib:https://github.com/matplotlib/matplotlib
- Documentación oficial de pandas visualization:https://pandas.pydata.org/docs/user_guide/visualization.html