کتابخانه Scikit-learn در پایتون: راهنمای کامل یادگیری ماشین

Scikit-learn یکی از محبوب‌ترین کتابخانه‌های یادگیری ماشین در پایتون است که ابزارهای متنوعی برای طبقه‌بندی (Classification)، رگرسیون (Regression) و خوشه‌بندی (Clustering) ارائه می‌دهد.

چرا Scikit-learn؟

• کد نویسی ساده و قابل فهم
• پشتیبانی از الگوریتم‌های پرکاربرد ML مثل SVM، Random Forest و KNN
• ابزارهای آماده برای پیش‌پردازش داده‌ها
• جامعه کاربری بزرگ و مستندات کامل

نصب Scikit-learn

برای نصب این کتابخانه، کافی است دستور زیر را در ترمینال خود وارد کنید:

pip install scikit-learn

مثال ساده: طبقه‌بندی داده‌ها با SVM

در این مثال، از دیتاست معروف گل زنبق (Iris) برای آموزش یک مدل طبقه‌بندی SVM استفاده می‌کنیم:

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

# بارگذاری دیتاست معروف iris
iris = datasets.load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

# ساخت مدل
model = SVC()
model.fit(X_train, y_train)

print(f"دقت مدل: {model.score(X_test, y_test):.2f}")
    

نتیجه‌گیری

اگر تازه وارد دنیای یادگیری ماشین شده‌اید یا دنبال راه‌حلی سریع و قدرتمند برای ساخت مدل‌های ML هستید، Scikit-learn بدون شک بهترین گزینه برای شروع است.