scikit-learn
 | |
| 原作者 | David Cournapeau |
|---|---|
| 首次发布 | 2007年6月 |
| 当前版本 | 1.6.1[1] （2025年1月10日，4個月前） |
| 源代码库 | |
| 编程语言 | Python, Cython, C, C++ |
| 操作系统 | Linux, macOS, Windows |
| 类型 | 机器学习库 |
| 许可协议 | 三条款BSD许可证 |
| 网站 | scikit-learn |
Scikit-learn（曾叫做scikits.learn还叫做sklearn）是用于Python编程语言的自由软件机器学习库[2]。它的特征是具有各种分类、回归和聚类算法，包括支持向量机、随机森林、梯度提升、k-平均聚类和DBSCAN，它被设计协同于Python数值和科学库NumPy和SciPy。
概述
scikit-learn计划开始于scikits.learn，它是David Cournapeau的Google编程之夏计划。它的名字来源自成为“SciKit”（SciPy工具箱）的想法，即一个独立开发和发行的第三方SciPy扩展[3]。最初的代码库被其他开发者重写了。在2010年，来自法国罗康库尔的法国国家信息与自动化研究所的Fabian Pedregosa、Gael Varoquaux、Alexandre Gramfort和Vincent Michel，领导了这个项目并在2010年2月1日进行了首次公开发行[4]。在各种scikit中，scikit-learn和scikit-image截至2012年11月[update]被称为“良好维护和流行的”[5]。Scikit-learn是在GitHub上最流行的机器学习库之一[6]。
实现
Scikit-learn主要用Python书写的，并广泛使用NumPy进行高性能线性代数和数组运算。此外，一些核心算法用Cython书写来以提高性能。支持向量机是通过用Cython包装LIBSVM实现；逻辑回归和线性支持向量机是通过对LIBLINEAR的类似的包装实现的。在这些情况下，用Python扩展出这些方法是不可能的。
Scikit-learn与很多其他Python库集成良好，比如用于绘图的matplotlib和plotly，用于数组向量化的NumPy，用于数据帧的pandas，用于科学计算的SciPy等等。
参见
引用
- ^ 1.0 1.1 Release 1.6.1. 2025年1月10日 [2025年1月29日].
- ^ Fabian Pedregosa; Gaël Varoquaux; Alexandre Gramfort; Vincent Michel; Bertrand Thirion; Olivier Grisel; Mathieu Blondel; Peter Prettenhofer; Ron Weiss; Vincent Dubourg; Jake Vanderplas; Alexandre Passos; David Cournapeau; Matthieu Perrot; Édouard Duchesnay. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 2011, 12: 2825–2830 [2020-10-31]. （原始内容存档于2020-12-01）.
- ^ Dreijer, Janto. scikit-learn. [2020-10-31]. （原始内容存档于2020-11-07）.
- ^ About us — scikit-learn 0.20.1 documentation. scikit-learn.org. [2020-10-31]. （原始内容存档于2020-11-06）.
- ^ Eli Bressert. SciPy and NumPy: an overview for developers. O'Reilly. 2012: 43 [2020-10-31]. （原始内容存档于2016-04-25）.
- ^ The State of the Octoverse: machine learning. The GitHub Blog. GitHub. 2019-01-24 [2019-10-17]. （原始内容存档于2020-11-07） （美国英语）.