「データはマシンの上限は、アルゴリズムを学習し、ちょうど遠くできるだけこの限界に近づい決定」、この文は機械学習における優れたデータの重要性を説明しています。直接データを超えるほとんどのテイクが明白ではない、と扱われていないか、無駄なデータがたくさんあるということ、それはトレーニングデータの要件を満たすために、機能をズームし、いくつかの処理機能を必要とするように。
私たちは、最初の接触は、この機械学習ライブラリを使用するScikitは、学ぶことができます
Scikit-学びます
- 工作機械を学習Python言語
- 該当誰もが、異なる文脈で再利用することができます
- numpyの、scipyのダウンロードとmatplotlibの上に構築されました
- オープンソース、市販 - BSDライセンス
- 現在の安定版0.18
2007年のリリース以来、scikit-学ぶPythonライブラリ（ライブラリ）機械学習のパワーにほとんどとなっています。分類、回帰、クラスタリングと次元削減を含む支持機械学習アルゴリズムをscikit-学びます。いくつかの特徴抽出（抽出機能）、データ処理（データ処理）とモデル評価（評価モデル）モジュール。拡張scipyのダウンロードライブラリとして、scikit-学ぶ上にPythonのnumpyのライブラリとmatplotlibのに基づいて構築されています。numpyのPythonのサポートはmatplotlibのビジュアルツール、多くの科学技術計算とscipyのダウンロードモデルを提供し、データの多次元マトリックスの多数の効率的な動作を可能にします。学界ではそれが人気の作る、簡単に使用する、豊富なAPIに、ドキュメントの完全なをscikitを学びます。開発者は、異なるアルゴリズムを用いた実験を、わずか数行のコードを扱うことができ、学ぶscikit。多くの実装はLIBSVMとLIBLINEARなどのよく知られた機械学習アルゴリズムを含み、scikit-学びます。また、それは、このような自然言語処理ライブラリNLTKなど、他のPythonライブラリを、カプセル化します。また、scikit-学ぶことは、開発者は、時間の取得を節約し、アルゴリズムの設計に焦点を当て、データセットを整理することができ、大規模なデータセットを構築しました。
その後、インストール、次の手順を参照してくださいAを作成します。