Scikit-learn

Scikit-learn（曾叫做scikits.learn与sklearn）是用于Python 编程语言的自由并开源的机器学习库^[2]。它包含了各种分类、回归和聚类算法，包括多层感知器、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数值库NumPy和和科学库SciPy。

事实速览 原作者, 首次发布 ...

scikit-learn

原作者	David Cournapeau
首次发布	2007年6月，17年前（2007-06）
当前版本	1.6.1^[1]（2025年1月10日，3个月前）
源代码库	github.com/scikit-learn/scikit-learn
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.org

关闭

概述

scikit-learn计划开始于scikits.learn，它是David Cournapeau（英语：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（英语：scikit-image）截至2012年11月 (2012-11)^[update]是“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编写的，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。在某些情况下，用Python扩展出特定方法是不可能的；比如支持向量机，是通过用Cython包装LIBSVM（英语：LIBSVM）实现；逻辑斯谛回归和线性支持向量机，是通过对LIBLINEAR（英语：LIBLINEAR）的类似的包装实现的。

Scikit-learn与很多其他Python库可以良好的集成起来，比如用于绘图的matplotlib和plotly（英语：plotly），用于阵列向量化的NumPy，用于数据帧的pandas，用于科学计算的SciPy等等。

概述

实现

有关工具

参见

引用

外部链接

Wikiwand - on