Классификация
Определение к какой категории принадлежит объект.
Применение: Выявление спама, распознавание изображений. Алгоритмы: Градиентный бустинг, ближайшие соседи, случайны лес, логистическая регрессия, и больше...
Регрессия
Прогнозирование атрибута с непрерывным значением связанного с объектом.
Применение: Реакция на лекарство, Отток клиентов. Алгоритмы: Градиентный бустинг, ближайшие соседи, случайны лес, ridge, и больше...
Кластеризация
Автоматическая группировка похожих объектов.
Применение: Сегментация клиентов, Группировка экспериментальных результатов Алгоритмы: k-среднее (k-Means), HDBSCAN, иерархическая кластеризация, и больше...
Понижение размерности
Понижение числа случайных переменных для анализа.
Применение: Визуализация, Увеличение эффективности. Алгоритмы: PCA, выборка признаков, не отрицательная матричная факторизация, и больше...
Выбор модели
Сравнение, валидация и выбор параметров и моделей.
Применение: Улучшение точности через настройку параметров Алгоритмы: таблица поиска, кросс-валация, метрики, и больше...
Препроцессинг
Извлечение признаков и нормализация.
Применение: Преобразование входных данных, таких как текст, для использования в алгоритмах машинного обучения. Алгоритмы: Препроцессинг, извлечение признаков, и больше...
"We use scikit-learn to support leading-edge basic research [...]"
"I think it's the most well-designed ML package I've seen so far."
"scikit-learn's ease-of-use, performance and overall variety of algorithms implemented has proved invaluable [...]"
"The great benefit of scikit-learn is its fast learning curve [...]"
"It allows us to do AWesome stuff we would not otherwise accomplish."
"scikit-learn makes doing advanced analysis in Python accessible to anyone."
