Scikit-learn

scikit-learn (també conegut per sklearn) és una extensió del llenguatge Python en forma de biblioteca informàtica que agrega suport en l'àmbit de l'Aprenentatge automàtic. Scikit-learn és de codi obert i disposa d'algorismes (Fig. 1) de classificació estadística, regressió i clustering (Fig. 2) per a implementar Màquines de vector de suport, random forests, gradient boosting, Algorisme k-means i DBSCAN. Scikit-learn està dissenyat per a integrar-se conjuntament amb les biblioteques numèriques Numpy i SciPy.^[1][2][3] Va ser creat per David Cournapeau amb l'equip Google Summer of Code.

Scikit-learn

Tipus	biblioteca informàtica, biblioteca Python i programari lliure
Versió estable	1.6.1 (10 gener 2025)
Llicència	llicència BSD de 3 clàusules
Característiques tècniques
Sistema operatiu	Linux i Microsoft Windows
Escrit en	Python, C, C++ i Cython
Equip
Desenvolupador(s)	David Cournapeau, Olivier Grisel (en) , Gaël Varoquaux, Alexandre Gramfort (en) i Andreas Mueller (en)
Fonts de codi  Codi font Codi font Debian python3-sklearn Arch Linux python-scikit-learn Gentoo sci-libs/scikits_learn
Premis (2022) Open Science Free Software Award (en)
Més informació
Lloc web	scikit-learn.org (anglès)
Stack Exchange	Etiqueta
Free Software Directory	scikit-learn

Fig. 1 Arbre de decisió de scikit-learn

Exemple de codificació amb scikit-learn alhora d'implementar una classificació mitjançant l'algorisme Knn ː ^[4]

from sklearn import neighbors, datasets
iris = datasets.load_iris()
X, y = iris.data, iris.target
knn = neighbors.KNeighborsClassifier(n_neighbors=1)

knn.fit(X, y)

print ("Quin tipus d'iris (Iris Setosa, Iris Virginica o Iris Versicolor)") 
print ("té sépals de 3cm x 5cm i pétals de 4cm x 2cm") 
print ("Resposta:", iris . target_names [ knn . predict ([[ 3, 5, 4, 2 ]])])

Fig. 2 Exemple gràfic de regressió