Verifizierter Benutzer in Informationstechnologie und Dienstleistungen
Die Identität dieses Bewerters wurde von unserem Bewertungsteam überprüft. Sie haben darum gebeten, ihren Namen, ihre Berufsbezeichnung oder ihr Bild nicht anzuzeigen.
"Maschinelles Lernen in Python"
Was gefällt dir am besten scikit-learn?
Es verfügt über alle Werkzeuge, um das maschinelle Lernproblem effizient und effektiv zu strukturieren. Es gibt alle Arten von Algorithmen - überwacht: lineare Regression, logistische Regression, Entscheidungsbäume, Random Forest, GBM usw., unüberwacht: K-Means, DBSCANs, spektrale Clusterbildung, OPTICS usw., und Algorithmen zur Dimensionsreduktion. Eine umfassende Liste von Clustering-Algorithmen ist implementiert. Es ist möglich, den gesamten Modellbau-Workflow zu automatisieren, wie z.B. Modellbau, Vergleich, Auswahl mittels Kreuzvalidierung oder anderer Ansätze, das Speichern des Objekts zur Bewertung oder die Rückgabe der Vorhersage auf unbekannten Datensätzen.
Die Dokumentation ist sehr gut geschrieben - sie erklärt nicht nur die Funktionsdefinition, sondern gibt auch einen guten Hintergrund zu den zugrunde liegenden mathematischen Grundlagen, die in den Algorithmen verwendet werden. Bewertung gesammelt von und auf G2.com gehostet.
Was gefällt Ihnen nicht? scikit-learn?
Ihr Deep-Learning-Framework ist nicht so umfassend wie die andere verfügbare Open-Source-Software, die speziell dafür entwickelt wurde, aber wir verpassen diese Funktionen nicht, da andere Open-Source-Projekte gute Alternativen bieten. Daher muss man möglicherweise außerhalb von Scikit experimentieren, wenn man fortgeschrittenere neuronale Netzwerkalgorithmen erkunden möchte. Bewertung gesammelt von und auf G2.com gehostet.
Bestätigt durch LinkedIn
Dieser Bewerter erhielt als Dank für das Ausfüllen dieser Bewertung eine symbolische Geschenkkarte.
Einladung von G2. Dieser Bewerter erhielt als Dank für das Ausfüllen dieser Bewertung eine symbolische Geschenkkarte.
Diese Bewertung wurde aus English mit KI übersetzt.
