識別物件屬於哪個類別。
應用： 垃圾郵件偵測、影像辨識。 演算法： 梯度提升、最近鄰、隨機森林、邏輯回歸，以及更多...
預測與物件相關的連續值屬性。
應用： 藥物反應、股票價格。 演算法： 梯度提升、最近鄰、隨機森林、嶺回歸，以及更多...
自動將相似物件分組到集合中。
應用： 客戶細分、分組實驗結果。 演算法： k-Means、HDBSCAN、階層式分群，以及更多...
減少需要考慮的隨機變數數量。
應用： 可視化、提高效率。 演算法： PCA、特徵選擇、非負矩陣分解，以及更多...
比較、驗證和選擇參數和模型。
應用： 透過參數調整提高準確性。 演算法： 網格搜尋、交叉驗證、度量，以及更多...
特徵提取和正規化。
應用： 轉換輸入資料（如文字）以用於機器學習演算法。 演算法： 預處理、特徵提取，以及更多...
幫助我們，捐款！ 引用我們！
更多推薦...
「我們使用 scikit-learn 來支持前沿基礎研究 [...]」
「我認為它是目前為止我見過設計最完善的 ML 套件。」
「scikit-learn 的易用性、效能以及所實現的整體演算法多樣性已被證明是無價的 [...]」
「scikit-learn 的最大好處是其快速的學習曲線 [...]」
「它讓我們能夠做到其他方式無法實現的驚人事情。」
「scikit-learn 使任何人都可以在 Python 中進行進階分析。」
