Scikit-Learn in Python: الميزات والمتطلبات المسبقة والإيجابيات والسلبيات

يجب أن تدرك مدى أهمية امتلاك مكتبة قوية إذا كنت معتادًا على برمجة بايثون. عندما يتعلق الأمر بمكتبات تعلم الآلة المجانية للبايثون ، فإن scikit-Learn هو أفضل ما يمكنك الحصول عليه! sklearn أو scikit-learn في Python هي مكتبة مجانية تبسط مهمة الترميز وتطبيق خوارزميات التعلم الآلي في Python.

إلى جانب دعم مكتبات Python العلمية والرقمية مثل SciPy و NumPy ، يتميز scikit-Learn بمجموعة من الخوارزميات المختلفة مثل الغابات العشوائية وآلات المتجهات الداعمة وجيران k. لذلك ، دعنا نتعرف على بعض الجوانب الأساسية لإحدى أدوات التعلم الآلي الأساسية التي يمكنك العثور عليها.

ما هو sklearn أو scikit-Learn في بايثون؟

تعد Sklearn أو scikit-Learn في Python واحدة من أكثر المكتبات مفتوحة المصدر فائدة والتي يمكنك استخدامها للتعلم الآلي في Python. مكتبة scikit-Learn عبارة عن مجموعة شاملة من أكثر الأدوات فعالية للنمذجة الإحصائية والتعلم الآلي. تتضمن بعض هذه الأدوات الانحدار والتصنيف وتقليل الأبعاد والتكتل.

تمت كتابة مكتبة scikit-Learn بشكل أساسي بلغة Python وتم بناؤها على SciPy و NumPy و Matplotlib. تستخدم المكتبة واجهة Python موحدة ومتسقة لتنفيذ العديد من خوارزميات المعالجة المسبقة والتعلم الآلي والتصور والتحقق المتبادل.

تاريخ موجز لـ Scikit-Learn

عُرف في البداية باسم scikit-Learn ، تم تطوير sklearn في Python بواسطة David Cournapeau في عام 2007 كجزء من مشروع Google الصيفي للتعليمات البرمجية. بعد ذلك ، أصدر Gael Varoquaux و Fabian Pedregosa و Alexandre Gramfort و Vincent Michel ، من المعهد الفرنسي لأبحاث علوم الكمبيوتر والأتمتة ، إصدارًا تجريبيًا v0.1 في العام 2010.

منذ ذلك الحين ، تم إطلاق إصدارات أحدث من scikit-Learn ، مع الإصدار الأخير 0.23.1 الذي تم إصداره في مايو 2020. Scikit-Learn هو مشروع يحركه المجتمع حيث يمكن لأي شخص المساهمة في تطويره. تعد Microsoft و Intel و NVIDIA من بين كبار رعاة المشروع.

الميزات الأساسية لبرنامج scikit-Learn

مكتبة تعلم الآلة scikit-Learn في Python تأتي مع عدد كبير من الميزات لتبسيط التعلم الآلي. هنا سنناقش بعضها:

• خوارزميات التعلم الخاضع للإشراف: أي خوارزمية تعلم آلي خاضعة للإشراف قد تكون سمعت عنها لديها احتمالية عالية جدًا للانتماء إلى مكتبة scikit-Learn. تحتوي مجموعة أدوات scikit-Learn على ذخيرة من خوارزميات التعلم الخاضعة للإشراف ، والتي تتضمن - النماذج الخطية المعممة مثل الانحدار الخطي ، وأشجار القرار ، وآلات المتجهات الداعمة ، وطرق بايز.
• خوارزميات التعلم غير الخاضعة للإشراف: تتضمن مجموعة الخوارزمية هذه العوملة ، وتحليل الكتلة ، وتحليل المكونات الرئيسية ، والشبكات العصبية غير الخاضعة للإشراف.
• استخراج الميزة: باستخدام scikit-Learn ، يمكنك استخراج الميزات من النص والصور.
• التحقق المتقاطع: يمكن التحقق من دقة وصلاحية النماذج الخاضعة للإشراف على البيانات غير المرئية بمساعدة scikit-Learn.
• تقليل الأبعاد: باستخدام هذه الميزة ، يمكن تقليل عدد السمات في البيانات من أجل التصور اللاحق والتلخيص واختيار الميزة.
• التجميع: تسمح هذه الميزة بتجميع البيانات غير المسماة.
• طرق التجميع: يمكن دمج تنبؤات العديد من النماذج الخاضعة للإشراف باستخدام هذه الميزة.

اقرأ المزيد: 6 أنواع من التعلم الخاضع للإشراف يجب أن تعرفه

المتطلبات الأساسية لبدء scikit-Learn

قبل أن تبدأ في استخدام أحدث إصدار من scikit-Learn ، تأكد من تثبيت المكتبات التالية:

• بايثون (> = 3.5)
• NumPy (> = 1.11.0)
• SciPy (> = 0.17.0) لي
• Joblib (> = 0.11)
• Matplotlib (> = 1.5.1): هذه المكتبة مطلوبة لإمكانيات رسم scikit-Learn.
• Pandas (> = 0.18.0): هذا مطلوب لهيكل البيانات وتحليلها.

تثبيت scikit-learn

يمكنك اتباع إحدى الطريقتين التاليتين لتثبيت scikit-Learn:

• باستخدام النقطة

- يمكن تثبيت Scikit-Learn عبر نقطة وسطر الأوامر الخاص به كما يلي:

تثبيت Pip -U scikit-Learn

• باستخدام Conda

- يمكن أيضًا تثبيت Scikit-Learn عبر conda وسطر الأوامر المستخدم على النحو التالي:

conda تثبيت scikit-learn

إذا لم يكن لديك NumPy و SciPy مثبتين ، فيمكنك تثبيتهما عبر pip أو conda. Anaconda و Canopy هما توزيعان آخران للبايثون يمكن استخدامهما لتعلم أحدث إصدار من scikit-Learn.

تعلم دورة علوم البيانات من أفضل الجامعات في العالم. اربح برامج PG التنفيذية أو برامج الشهادات المتقدمة أو برامج الماجستير لتتبع حياتك المهنية بشكل سريع.

إيجابيات وسلبيات scikit-Learn

الايجابيات:

• يتم توزيع المكتبة بموجب ترخيص BSD ، مما يجعلها مجانية مع الحد الأدنى من القيود القانونية والتراخيص.
• سهلة الاستخدام.
• مكتبة scikit-Learn متعددة الاستخدامات وسهلة الاستخدام وتخدم أغراض العالم الحقيقي مثل التنبؤ بسلوك المستهلك ، وإنشاء صور عصبية ، وما إلى ذلك.
• يتم دعم وتحديث Scikit-Learn من قبل العديد من المؤلفين والمساهمين ومجتمع دولي واسع عبر الإنترنت.
• يوفر موقع الويب scikit-Learn توثيقًا تفصيليًا لواجهة برمجة التطبيقات للمستخدمين الذين يرغبون في دمج الخوارزميات مع الأنظمة الأساسية الخاصة بهم.

يخدع:

• إنه ليس الخيار الأفضل للتعلم المتعمق.

مزيد من المعلومات: كيف يعمل التعلم الآلي غير الخاضع للإشراف؟

خاتمة

يتطلب نمو وشعبية لغة التعلم الآلي أدوات فعالة ، ويخدم sklearn في Python حاجة المبتدئين وكذلك أولئك الذين يحلون مشاكل التعلم تحت الإشراف. تجعل الكفاءة والتنوع في الاستخدام scikit-Learn أحد الخيارات الرئيسية للمؤسسات الأكاديمية والصناعية لأداء عمليات مختلفة.