|
scikit-learn (正式には scikits.learn) はPythonのオープンソース機械学習ライブラリ〔Fabian Pedregosa; Gaël Varoquaux; Alexandre Gramfort; Vincent Michel; Bertrand Thirion; Olivier Grisel; Mathieu Blondel; Peter Prettenhofer; Ron Weiss; Vincent Dubourg; Jake Vanderplas; Alexandre Passos; David Cournapeau (2011). 〕である。サポートベクターマシン、ランダムフォレスト、Gradient Boosting、k近傍法、DBSCANなどを含む様々な分類、回帰、クラスタリングアルゴリズムを備えており、Pythonの数値計算ライブラリのNumPyとSciPyとやり取りするよう設計されている。 == 概要 == Scikit-learnプロジェクトはDavid CournapeauによるGoogle Summer of Codeプロジェクト、scikits.learnとして始まった。名前は「Scikit」 (SciPy Toolkit) つまり独立して開発・配布されるScipyのサードパーティ拡張であることを示している〔Dreijer, Janto. "scikit-learn" . 〕 。オリジナルのコードベースは他の開発者に後に書き換えられた。様々なScipy Toolkitのうち、scikit-learnとscikit-imageは2012年11月に「well-mantained and popular (よくメンテナンスされており、広く使われている)」と評されている〔Eli Bressert (2012). 〕。 2015年以降、scikit-learnは活発に開発されており、INRIA、Telcom ParisTech、そして (Google Summer of Codeを通して) 部分的に scikit-learnのAPIは、wiseRFと呼ばれる非フリーなランダムフォレスト実装を提供するwise.io に採用されている〔"wiserf" . wise.io. 〕〔Buitinck, Lars, Gilles Louppe, Mathieu Blondel, Fabian Pedregosa, Andreas Mueller, Olivier Grisel, Vlad Niculae et al. (2013). 〕 。wise.ioのビジネスパートナーであるContinuum IOは、データスループットがscikit-learn実装の7.5倍に上昇したと述べている〔Joseph W. Richards (27 November 2012). "wiseRF Use Cases and Benchmarks" . 〕 。これを受けてscikit-learnの開発者らはメモリ使用以外の部分で、wise.ioに並ぶよう実装を最適化したと主張している〔Gaël Varoquaux (8 August 2013). 〕。 抄文引用元・出典: フリー百科事典『 ウィキペディア（Wikipedia）』 ■ウィキペディアで「Scikit-learn」の詳細全文を読む スポンサード リンク
|