Python Data Science Handbook, 2. Auflage

Kapitel 38. Einführung in Scikit-Learn

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Mehrere Python-Bibliotheken bieten solide Implementierungen einer Reihe von Algorithmen für maschinelles Lernen. Eine der bekanntesten istScikit-Learn, ein Paket, das effiziente Versionen einer großen Anzahl gängiger Algorithmen bietet. Scikit-Learn zeichnet sich durch eine saubere, einheitliche und schlanke API sowie durch eine sehr nützliche und vollständige Dokumentation aus. Ein Vorteil dieser Einheitlichkeit ist, dass du, sobald du die grundlegende Verwendung und Syntax von Scikit-Learn für einen Modelltyp verstanden hast, ganz einfach zu einem neuen Modell oder Algorithmus wechseln kannst.

Dieses Kapitel gibt einen Überblick über die Scikit-Learn-API. Ein solides Verständnis dieser API-Elemente bildet die Grundlage für das Verständnis der tiefer gehenden praktischen Diskussion von Algorithmen und Ansätzen des maschinellen Lernens in den folgenden Kapiteln.

Zunächst werden wir uns mit der Datendarstellung in Scikit-Learn befassen, dann mit der Estimator-API und schließlich mit einem interessanten Beispiel für die Verwendung dieser Werkzeuge zur Untersuchung einer Reihe von Bildern handgeschriebener Ziffern.

Datendarstellung in Scikit-Learn

Bei maschinellem Lernen geht es darum, Modelle aus Daten zu erstellen; deshalb besprechen wir zunächst, wie Daten dargestellt werden können. In Scikit-Learn kann man ...