آشنایی با scikit-learn

معرفی کتابخانه scikit-learn، API یکسان fit/predict، دیتاست‌های داخلی و اولین مدل کامل

scikit-learn چیست؟

scikit-learn (با نام واردکردن sklearn) محبوب‌ترین کتابخانه ماشین لرنینگ پایتون است. ده‌ها الگوریتم آماده دارد و با API ساده و یکسان، کار با آن لذت‌بخش است.

API یکسان: fit و predict

بهترین ویژگی scikit-learn این است که همه مدل‌ها یک الگو دارند:

from sklearn.some_module import SomeModel

model = SomeModel()       # ۱. ساخت مدل
model.fit(X_train, y_train)  # ۲. آموزش
y_pred = model.predict(X_test)  # ۳. پیش‌بینی

وقتی این سه قدم را یاد بگیرید، می‌توانید با هر الگوریتمی کار کنید؛ از رگرسیون خطی تا جنگل تصادفی!

دیتاست‌های داخلی

scikit-learn چند دیتاست معروف داخلی دارد که برای یادگیری عالی‌اند:

from sklearn.datasets import load_iris

iris = load_iris()
X = iris.data    # ویژگی‌ها (۱۵۰×۴)
y = iris.target  # برچسب‌ها (۰، ۱، ۲)

اولین مدل کامل

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score

# ۱. داده
X, y = load_iris(return_X_y=True)

# ۲. تقسیم آموزش/تست
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, random_state=42
)

# ۳. ساخت و آموزش مدل
model = KNeighborsClassifier(n_neighbors=3)
model.fit(X_train, y_train)

# ۴. پیش‌بینی و ارزیابی
y_pred = model.predict(X_test)
print(accuracy_score(y_test, y_pred))  # حدود ۰.۹۷

ساختار کتابخانه

ماژولکاربرد
sklearn.model_selectionتقسیم داده و اعتبارسنجی
sklearn.preprocessingمقیاس‌بندی و کدگذاری
sklearn.linear_modelرگرسیون خطی و لجستیک
sklearn.treeدرخت تصمیم
sklearn.ensembleجنگل تصادفی و ترکیب مدل‌ها
sklearn.clusterخوشه‌بندی
sklearn.metricsمعیارهای ارزیابی
قاعده نام‌گذاری: مدل‌های دسته‌بندی با Classifier و مدل‌های رگرسیون با Regressor تمام می‌شوند؛ مثل KNeighborsClassifier و RandomForestRegressor.

جمع‌بندی

این مبحث بخشی از دوره آموزش کامل ماشین لرنینگ است.

ابزارهای مرتبط