Top-bewertete scikit-learn Alternativen

UserEvidence

(40)

4.9 von 5

Website besuchen

Gesponsert

MLlib

Von The Apache Software Foundation

(14)

4.1 von 5

Weka

Von Weka

(13)

4.3 von 5

Alle scikit-learn Alternativen anzeigen

scikit-learn Bewertungen & Produktdetails - Seite 4

Administrator

scikit-learn Übersicht

Beansprucht

Scikit-learn ist eine Software-Bibliothek für maschinelles Lernen für die Programmiersprache Python, die verschiedene Klassifikations-, Regressions- und Clustering-Algorithmen umfasst, darunter Support-Vektor-Maschinen, Random Forests, Gradient Boosting, k-Means und DBSCAN, und ist darauf ausgelegt, mit den numerischen und wissenschaftlichen Bibliotheken NumPy und SciPy von Python zusammenzuarbeiten.

Verkäufer

scikit-learn

Diskussionen

scikit-learn Community

Produktbeschreibung

Overview by

JORDAN JUSTIN

scikit-learn Medien

G2-Bewertungen sind authentisch und verifiziert.

Hier die Erklärung wie dies gewährleistet ist.

Verifizierter Benutzer in Computersoftware

Kleinunternehmen (50 oder weniger Mitarbeiter)

9.5.2019

"Bestes Modul für Klassifikation, Clustering, Sentiment-Analyse, Diagrammerstellung usw."

5/5

Was gefällt dir am besten scikit-learn?

Die Dokumentation ist der beste Teil dieses Moduls. Die Benutzerfreundlichkeit, die vielfältigen Funktionen und die einfache Einbindung mehrerer Parameter gleichzeitig lassen mich sci-kit learn immer wieder verwenden. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? scikit-learn?

Es gibt buchstäblich keinen Nachteil bei diesem Modul. Ich würde sagen, eine aktive Gemeinschaft darüber zu haben, wäre hilfreicher. Bewertung gesammelt von und auf G2.com gehostet.

Sunil C.

Software Developer

Informationstechnologie und Dienstleistungen

Unternehmen (> 1000 Mitarbeiter)

4.6.2018

"Beste Machine-Learning-Bibliothek für Python"

5/5

Was gefällt dir am besten scikit-learn?

Scikit-learn ist die begehrteste Bibliothek für Python für jeden Machine-Learning-Ingenieur für ein Machine-Learning-Projekt. Wenn Sie Erfahrung in ML haben und wenig Wissen über dessen Implementierung haben, können Sie dies verwenden, da Sie hier jeden Klassifikator oder Regressionsmodell einfach durch Aufrufen seines Objekts erstellen können. Dieses Objekt kann mit Ihrem Trainingssatz trainiert werden und dieses fertig trainierte Modell kann verwendet werden, um die weiteren Ergebnisse vorherzusagen. Der andere Vorteil ist, dass, wenn Sie die Parameter des bestimmten Algorithmus ändern möchten, dies auch durch Aufrufen des Objekts und Übergeben der notwendigen Werte geändert werden kann. Es hat auch eine sehr klare Dokumentation, die sehr leicht zu verstehen ist. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? scikit-learn?

Ich habe nicht viel an scikit-learn auszusetzen. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen scikit-learn:

Ich würde die Verwendung von scikit-learn empfehlen, wenn Sie maschinelle Lernmodelle für Ihr Unternehmen einfach implementieren möchten, und diese Modelle sind algorithmisch fundiert, da es die Bibliothek ist, die von vielen großen Errungenschaften in diesem Bereich verwendet wird, sodass sie auch zu dieser Bibliothek beigetragen haben, da sie Open Source ist. Wenn Sie in Ihrem Projekt in Python etwas ML-bezogenes implementieren, dann verwenden Sie scikit-learn. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? scikit-learn Solving und wie profitieren Sie davon?

In meinem Unternehmen, wo immer das Wort maschinelles Lernen erwähnt wird, wird dort scikit-learn verwendet, um ML-Modelle zu implementieren. Ich habe auch scikit-learn verwendet, um verschiedene Börsenergebnisse für unser Beratungsunternehmen vorherzusagen und habe scikit-learn auch verwendet, um ML-bezogene Modelle in jede Software zu implementieren, die unser Kunde benötigt, sodass scikit-learn ein integraler Bestandteil von mir ist, was maschinelles Lernen betrifft. Bewertung gesammelt von und auf G2.com gehostet.

Paresh A.

Software Engineer

Informationstechnologie und Dienstleistungen

Unternehmen (> 1000 Mitarbeiter)

7.6.2018

"Maschinelles Lernen API für Python"

5/5

Was gefällt dir am besten scikit-learn?

Es handelt sich um eine API oder eine Bibliothek für Python zur Implementierung von maschinellen Lernalgorithmen, indem die Klassifikatoren direkt deklariert und die Daten darauf trainiert werden. Auf diese Weise kann ein Modell generiert werden, das dann zur Vorhersage von Werten verwendet wird. Scikit-learn ist eine Open-Source-Bibliothek, zu der viele Entwickler beigetragen haben, weshalb sie die besten implementierten Algorithmen enthält. Fast alle Algorithmen können mit einer einzigen Codezeile einfach verwendet werden, und auch die Parameter können entsprechend Ihren Anforderungen angepasst werden, daher ist es die beste Bibliothek. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? scikit-learn?

Ich habe nichts an dieser erstaunlichen scikit-learn-Bibliothek auszusetzen. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen scikit-learn:

Ich empfehle scikit learn allen Softwareentwicklern und auch Machine-Learning-Entwicklern, die gerne Machine-Learning-Algorithmen implementieren möchten, ohne den gesamten Algorithmus mühsam zu programmieren, sondern sie stattdessen mit einer einzigen Codezeile mit scikit learn zu implementieren. Ich empfehle scikit learn auch, weil man die Parameter bestimmter Algorithmen wie die Lernrate entsprechend den eigenen Anforderungen ändern kann, daher empfehle ich es für Machine Learning. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? scikit-learn Solving und wie profitieren Sie davon?

Ich bin Softwareentwickler und implementiere maschinelle Lernalgorithmen für verschiedene Unternehmen und Projekte, die unsere Kunden uns geben. Und wenn es um maschinelles Lernen geht, bevorzuge ich Scikit-Learn, weil es die beste Bibliothek mit fast allen Klassifikatoren ist und auch über einen riesigen Datensatz verfügt, der damit verfügbar ist, sodass es einfach wird, gängige Modelle nur mit diesen Datensätzen zu entwickeln, daher ist es eine großartige Bibliothek für uns. Bewertung gesammelt von und auf G2.com gehostet.

Yash R.

Software Engineer

Computersoftware

Unternehmen mittlerer Größe (51-1000 Mitarbeiter)

7.2.2018

"Klassische ML-Bibliothek"

5/5

Was gefällt dir am besten scikit-learn?

Scikit-learn ist die in Python implementierte Machine-Learning-Bibliothek. Sie besteht aus allen Machine-Learning-Algorithmen wie lineare Regression, logistische Regression und vielen weiteren vorimplementierten Clustering-Algorithmen. Sie können solche Algorithmen auf Ihrem Datensatz mit nur einer einzigen Codezeile verwenden. Sie können das Modell auf Ihrem Datensatz trainieren und dieses Modell verwenden, um weitere Werte vorherzusagen. Sie können auch Ihr trainiertes Modell speichern und die Parameter des Algorithmus ändern, um den Algorithmus entsprechend Ihrer Nutzung anzupassen. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? scikit-learn?

Es ist die klassische ML-Bibliothek für Python und es gibt nichts daran auszusetzen. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen scikit-learn:

Ich empfehle die Verwendung von scikit-learn, um ML-Algorithmen in Ihrer Software mit Python zu implementieren, da es eine Vielzahl von Algorithmen enthält und Sie die Parameter ihrer Algorithmen entsprechend Ihren Anforderungen anpassen können. Es ist bei weitem die beste ML-Bibliothek für Python und daher die am meisten empfohlene Bibliothek zur Implementierung von ML-Algorithmen. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? scikit-learn Solving und wie profitieren Sie davon?

Ich verwende die Sci-Kit-Learn-Bibliothek, um verschiedene Klassifikations- und Regressionsalgorithmen des maschinellen Lernens in Python zu implementieren, um diese trainierten Modelle weiter in die vom Kunden benötigte Software zu integrieren. Es ist so einfach zu verwenden, dass sogar eine Person mit Anfängerkenntnissen in ML die Algorithmen mühelos implementieren kann. Bewertung gesammelt von und auf G2.com gehostet.

Rahul C.

Software Engineer

Informationstechnologie und Dienstleistungen

Unternehmen (> 1000 Mitarbeiter)

6.2.2018

"Maschinelles Lernen Implementierung Python Bibliothek"

5/5

Was gefällt dir am besten scikit-learn?

Es ist die Python-Bibliothek zur Implementierung von maschinellen Lernalgorithmen. Sie hat verschiedene vorimplementierte Algorithmen des maschinellen Lernens, die Sie mit nur einer einzigen Codezeile verwenden können. Alle Klassifikatoren des maschinellen Lernens sind an Ihre Anforderungen anpassbar. Sie können Ihr Modell trainieren und für die zukünftige Verwendung speichern und Ergebnisse mit großer Leichtigkeit vorhersagen. Es ist die beste ML-Bibliothek für Python, die Sie je haben können. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? scikit-learn?

Nichts auszusetzen an der außergewöhnlichen Machine-Learning-Bibliothek. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen scikit-learn:

Es ist die am besten empfohlene Machine-Learning-Bibliothek für Python. Es ist sehr einfach, ML-Klassifikatoren auf Daten jeder Größe zu implementieren. Außerdem können Sie die Daten mit Scikit-Learn skalieren, daher ist es die beste ML-Bibliothek für Python. Es ist definitiv die beste Bibliothek für ML. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? scikit-learn Solving und wie profitieren Sie davon?

Ich benutze Scikit-Learn für die Implementierung von maschinellem Lernen in unseren Softwarelösungen entsprechend den Anforderungen und Daten unserer Kunden. Es ist sehr nützlich im Bereich der Datenwissenschaft, um verschiedene ML-Klassifikatoren auf unsere Daten anzuwenden und sie entsprechend unserer Nutzung zu verwenden. Es hat die Arbeit der Implementierung von ML-Algorithmen sehr erleichtert. Bewertung gesammelt von und auf G2.com gehostet.

Narendra N.

Senior Software Engineer

Informationstechnologie und Dienstleistungen

Unternehmen (> 1000 Mitarbeiter)

23.1.2018

"Maschinelles Lernen Bibliothek Für Nachwuchsentwickler"

5/5

Was gefällt dir am besten scikit-learn?

Scikit learn ist eine Machine-Learning-Bibliothek für Python. Sie können problemlos Machine-Learning-Modelle entwickeln und generieren und das Modell mit nur einer einzigen Codezeile trainieren. Es ist so einfach, einen Machine-Learning-Algorithmus zu implementieren, dass selbst unerfahrene Entwickler problemlos verschiedene Machine-Learning-Modelle implementieren können. Es kann auch verwendet werden, um die Variablen der Modelle zu ändern und ein Modell entsprechend Ihrer Nutzung zu erstellen. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? scikit-learn?

Es ist die beste ML-Bibliothek, die für Python verfügbar ist, also keine Probleme mit scikit learn. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen scikit-learn:

Ich empfehle die Verwendung von scikit-learn, um die ML-Modelle einfach und ohne großen Aufwand zu implementieren, und Sie können das Modell auch nach Ihren Anforderungen anpassen und das trainierte Modell speichern. So etwas werden Sie in keiner anderen Bibliothek finden. Wenn Sie Python für die ML-Implementierung verwenden, ist scikit-learn das beste Framework, das Sie haben können. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? scikit-learn Solving und wie profitieren Sie davon?

Ich verwende scikit-learn, um maschinelle Lernmodelle für meine Websites und auch für die Software, die mein Unternehmen entwickelt, zu implementieren und zu trainieren. Ich verwende scikit-learn und passe das ML-Modell entsprechend den Projektspezifikationen an und entwickle dann ein perfekt trainiertes und abgestimmtes Modell für die Software. Bewertung gesammelt von und auf G2.com gehostet.

Verifizierter Benutzer in Bildungsmanagement

Unternehmen (> 1000 Mitarbeiter)

12.2.2019

"Tolles Werkzeug für einfaches maschinelles Lernen"

3.5/5

Was gefällt dir am besten scikit-learn?

Bietet eine große Auswahl an traditionellen Machine-Learning-Algorithmen. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? scikit-learn?

Nicht ganz bequem zu verwenden, während man an einem tiefen neuronalen Netzwerk arbeitet. Bewertung gesammelt von und auf G2.com gehostet.

vivek s.

Software Developer

Computer- und Netzwerksicherheit

Unternehmen mittlerer Größe (51-1000 Mitarbeiter)

13.2.2018

"beste verfügbare maschinelle Lernbibliothek."

5/5

Was gefällt dir am besten scikit-learn?

Das Trainieren Ihrer Daten mit scikit-learn ist sehr einfach. Mit scikit-learn können Sie schnell Klassifikatoren entwickeln und Ihre Regressionsmodelle in sehr kurzer Zeit vorbereiten. Das Beste an scikit-learn ist, dass Sie Ihr Modell und Ihre trainierten Daten für die weitere Verwendung speichern können. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? scikit-learn?

scikit-learn ist eine sehr schöne ML-Bibliothek, es gibt nichts daran auszusetzen. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen scikit-learn:

scikit-learn ist eine außergewöhnlich robuste und vielseitige Machine-Learning-Bibliothek bis heute. Sie werden keinen Ersatz für diese Bibliothek finden. scikit-learn enthält alle vorimplementierten ML-Algorithmen, die sehr hilfreich sind. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? scikit-learn Solving und wie profitieren Sie davon?

wir entwickeln Software basierend auf Sentiment-Analyse und Empfehlungssystem mit Hilfe von scikit-learn. es bietet uns die eingebauten Funktionen und hilft uns, die Software für die Kunden schnell zu entwickeln. Bewertung gesammelt von und auf G2.com gehostet.

ishnat s.

Software Engineer

Informationsdienste

Unternehmen mittlerer Größe (51-1000 Mitarbeiter)

9.2.2018

"Eine großartige Bibliothek für maschinelles Lernen in Python."

5/5

Was gefällt dir am besten scikit-learn?

Scikit learn ist eine großartige Bibliothek, die alle erforderlichen Module für maschinelles Lernen enthält. Sie ist auch die fortschrittlichste Bibliothek für maschinelles Lernen, die in Python verwendet wird, aufgrund ihrer umfangreichen Anwendungen und der großartigen Benutzeroberfläche sowie der Einbeziehung verschiedener Funktionen. Und sie kann auch auf verschiedenen Repository-Plattformen wie Github bereitgestellt werden. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? scikit-learn?

Das einzige, was mir an Scikit-Learn nicht gefällt, ist, dass es hohe Rechenleistung erfordert, weshalb es auf Maschinen mit einer geringen Anzahl von Kernen verwendet werden kann. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen scikit-learn:

ich würde diese Bibliothek für die umfangreiche Nutzung von Machine-Learning-Bibliotheken empfehlen. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? scikit-learn Solving und wie profitieren Sie davon?

Ich habe ein Empfehlungssystem mit Scikit-Learn entwickelt, das auf der Empfehlung von Filmen basiert. Bewertung gesammelt von und auf G2.com gehostet.

Nupur M.

Senior Software Engineer

Computersoftware

Kleinunternehmen (50 oder weniger Mitarbeiter)

9.2.2018

"Python ML-Bibliothek mit großartiger Dokumentation"

5/5

Was gefällt dir am besten scikit-learn?

Das Beste, was ich sagen würde, ist, dass es Open Source ist. Auch die Dokumentation ist sehr gut, jeder Neuling kann mit dieser Dokumentation leicht lernen, scikit-learn zu verwenden. Zusammen mit der Dokumentation sind die Algorithmen, die sie bereitstellen, sehr effizient und schnell. Fast alle Machine-Learning-Algorithmen werden bereitgestellt, sodass es der einzige und auch der beste Ort für einen ML-Enthusiasten wird. Bewertung gesammelt von und auf G2.com gehostet.

Was gefällt Ihnen nicht? scikit-learn?

Verwende scikit-learn für alle meine Machine-Learning-Aufgaben, also würde ich sagen, 'keine Abneigungen'. Bewertung gesammelt von und auf G2.com gehostet.

Empfehlungen an andere, die in Betracht ziehen scikit-learn:

Sie bieten Tutorials auf ihrer Hauptwebsite: http://scikit-learn.org in jedem Abschnitt an. Sie waren mir persönlich eine große Hilfe. Bewertung gesammelt von und auf G2.com gehostet.

Was ist ein Problem? scikit-learn Solving und wie profitieren Sie davon?

Ich benutze es für alle meine Aufgaben im Bereich maschinelles Lernen und für jede Anwendung, die ich erstelle, bei der ML verwendet wird. Bewertung gesammelt von und auf G2.com gehostet.