识别对象所属的类别。
应用：垃圾邮件检测、图像识别。 算法：梯度提升、最近邻、随机森林、逻辑回归，以及更多...
预测与对象相关的连续值属性。
应用：药物响应、股票价格。 算法：梯度提升、最近邻、随机森林、岭，以及更多...
将相似对象自动分组到集合中。
应用：客户细分、实验结果分组。 算法：k-均值、HDBSCAN、层次聚类，以及更多...
减少要考虑的随机变量数量。
应用：可视化、提高效率。 算法：PCA、特征选择、非负矩阵分解，以及更多...
比较、验证和选择参数及模型。
应用：通过参数调优提高准确性。 算法：网格搜索、交叉验证、评估指标，以及更多...
特征提取和标准化。
应用：转换输入数据，例如文本，以用于机器学习算法。 算法：预处理、特征提取，以及更多...
支持我们，捐赠！ 引用我们！
更多用户评价...
“我们使用 scikit-learn 来支持前沿基础研究 [...]”
“我认为它是迄今为止我见过设计最好的机器学习软件包。”
“scikit-learn 易于使用、性能卓越且实现了各种算法，这已被证明是无价的 [...]”
“scikit-learn 的一个巨大优势是其快速的学习曲线 [...]”
“它让我们能够完成否则无法完成的超棒工作。”
“scikit-learn 让任何人都可以在 Python 中进行高级分析。”
