سایکیت-لرن

از ویکی‌پدیا، دانشنامهٔ آزاد

scikit-learn
نویسنده(های)
اصلی
David Cournapeau
انتشار اولیهژوئن ۲۰۰۷؛ ۱۷ سال پیش (۲۰۰۷}})
انتشار پایدار
1.5.0[۱] / ۲۱ مه ۲۰۲۴؛ ۱۱ روز پیش (۲۱ مه ۲۰۲۴-خطا: زمان نامعتبر}})
مخزن
نوشته‌شده باپایتون، فورترن، سی، سی پلاس‌پلاس، Cython, [۲]
سیستم‌عاملچندسکویی
نوعداده‌کاوی با پایتون
مجوزپروانه‌های بی‌اس‌دی
وبگاهscikit-learn.org

سایکیت-لرن انگلیسی: Scikit-learn یک کتابخانهٔ متن‌باز برای داده‌کاوی در زبان برنامه نویسی پایتون است.[۳]

این برنامه دارای الگوریتم‌های مختلف طبقه بندی ، رگرسیون و خوشه‌بندی از جمله ماشین های بردار پشتیبان ، جنگل های تصادفی ، تقویت گرادیان ، k -means و DBSCAN است و برای تعامل با کتابخانه‌های عددی و علمی پایتون نام‌پای و سای‌پای طراحی شده‌است. سایکیت-لرن یک پروژه با حمایت مالی سالانه NumFOCUS است.[۴]

بررسی اجمالی[ویرایش]

پروژه سایکیت-لرن با عنوان scikits.learn، یک پروژه تابستانی کد گوگل توسط دانشمند داده فرانسوی به نام دیوید کورناپئو آغاز شد. این پروژه به عنوان یک برنامه افزودنی شخص ثالث مستقل برای کتابخانه سای‌پای توسعه یافت و لذا "SciKit" (SciPy Toolkit) نام گرفت.[۵] مدتی بعد، پایگاه کد اصلی این پروژه توسط توسعه دهندگان دیگر بازنویسی شد. در سال 2010، فابیان پدرگوسا، گائل واروکو، الکساندر گرامفورت و وینسنت میشل از مؤسسه فرانسوی تحقیقات علوم کامپیوتر و اتوماسیون (اختصاری INRIA) در ساکلای فرانسه، رهبری پروژه را بر عهده گرفتند و اولین نسخه عمومی کتابخانه را در ۱ فوریه ۲۰۱۰ منتشر کردند. . [۶] در نوامبر ۲۰۱۲، سایکیت-لرن و همچنین سایکیت-ایمیج به عنوان دو مورد از بهترین کتابخانه سایکیت که "به خوبی نگهداری شده و محبوب" شده توصیف شدند.[۷] در سال ۲۰۱۹، سایکیت-لرن یکی از محبوب‌ترین کتابخانه‌های یادگیری ماشین در GitHub معرفی شد.[۸]

پیاده‌سازی[ویرایش]

بخش عمده سایکیت-لرن به زبان پایتون نوشته شده و تقریبا کل عملیات جبر خطی و آرایه از کتابخانه نام‌پای استفاده می کند که کارایی بسیار بالایی نیز دارد. بعلاوه، با هدف بهبود عملکرد، برخی از الگوریتم‌های اصلی در سایتون نوشته شده‌اند. ماشین های بردار پشتیبان توسط یک لفاف‌پیچی سایتون بر روی LIBSVM پیاده‌سازی می‌شوند. رگرسیون لجستیک و ماشین‌های بردار پشتیبان خطی نیز توسط یک لفاف‌پیچی مشابه بر روی LIBLINEAR پیاده‌سازی شده‌اند. با توجه به تفاوت زبان برنامه‌نویسی در بخش های مختلف کتابخانه، این امکان وجود دارد که توسعه این پیاده‌سازی‌ها با پایتون امکان پذیر نباشد.

تاریخچه نسخه[ویرایش]

سایکیت-لرن ابتدا توسط دیوید کورناپئو به عنوان پروژه تابستانی کد گوگل در سال ۲۰۰۷ توسعه یافت. در اواخر همان سال، متیو بروچر به پروژه پیوست و به عنوان بخشی از پایان‌نامه خود شروع به استفاده از آن کرد. در سال ۲۰۱۰، INRIA (مؤسسه فرانسوی تحقیقات علوم کامپیوتر و اتوماسیون) به پروزه ورود کرد و اولین نسخه عمومی (نسخه 1 بتا) در اواخر ژانویه ۲۰۱۰ منتشر شد.

تاریخ انشار نام
۰خطا: زمان نامعتبراگوست ۲۰۱۳ سایکیت-لرن 0.14 [۹]
۰خطا: زمان نامعتبرجولای ۲۰۱۴ سایکیت-لرن 0.15.0 [۹]
۰خطا: زمان نامعتبرمارس ۲۰۱۵ سایکیت-لرن 0.16.0 [۹]
۰خطا: زمان نامعتبرنوامبر ۲۰۱۵ سایکیت-لرن 0.17.0 [۹]
۰خطا: زمان نامعتبرسپتامبر ۲۰۱۶ سایکیت-لرن 0.18.0
۰خطا: زمان نامعتبرجولای ۲۰۱۷ سایکیت-لرن 0.19.0
۰خطا: زمان نامعتبرسپتامبر ۲۰۱۸ سایکیت-لرن 0.20.0 [۱۰]
۰خطا: زمان نامعتبرمی ۲۰۱۹ سایکیت-لرن 0.21.0 [۱۱]
۰خطا: زمان نامعتبردسامبر ۲۰۱۹ سایکیت-لرن 0.22 [۱۲]
۰خطا: زمان نامعتبرمی ۲۰۲۰ سایکیت-لرن 0.23.0 [۱۳]
۰خطا: زمان نامعتبرژانویه ۲۰۲۱ سایکیت-لرن 0.24 [۱۴]
۰خطا: زمان نامعتبرسپتامبر ۲۰۲۱ سایکیت-لرن 1.0.0 [۱۵]
۰خطا: زمان نامعتبراکتبر ۲۰۲۱ سایکیت-لرن 1.0.1 [۱۶]
۰خطا: زمان نامعتبردسامبر ۲۰۲۱ سایکیت-لرن 1.0.2 [۱۷]
۰خطا: زمان نامعتبرمی ۲۰۲۲ سایکیت-لرن 1.1.0 [۱۸]
۰خطا: زمان نامعتبرمی ۲۰۲۲ سایکیت-لرن 1.1.1 [۱۹]
۰خطا: زمان نامعتبرگوست ۲۰۲۲ سایکیت-لرن 1.1.2 [۲۰]
۰خطا: زمان نامعتبراکتبر ۲۰۲۲ سایکیت-لرن 1.1.3 [۲۱]
۰خطا: زمان نامعتبردسامبر ۲۰۲۲ سایکیت-لرن 1.2.0 [۲۲]
۰خطا: زمان نامعتبرژانویه ۲۰۲۳ سایکیت-لرن 1.2.1 [۲۳]
۰خطا: زمان نامعتبرمارس ۲۰۲۳ سایکیت-لرن 1.2.2 [۲۴]

جایگزین های سایکیت-لرن[ویرایش]

پیوند به بیرون[ویرایش]

منابع[ویرایش]

  1. "Release 1.5.0". 21 مه 2024. Retrieved 25 May 2024.
  2. "The scikit-learn Open Source Project on Open Hub: Languages Page". Retrieved 14 July 2018.
  3. 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; Matthieu Perrot; Édouard Duchesnay (2011). "Scikit-learn: Machine Learning in Python". Journal of Machine Learning Research. 12: 2825–2830.
  4. "NumFOCUS Sponsored Projects". NumFOCUS. Retrieved 2021-10-25.
  5. Dreijer, Janto. "scikit-learn". Archived from the original on 7 November 2020. Retrieved 9 May 2024.
  6. "About us — scikit-learn 0.20.1 documentation". scikit-learn.org.
  7. {{cite book}}: Empty citation (help)
  8. "The State of the Octoverse: machine learning". The GitHub Blog (به انگلیسی). GitHub. 2019-01-24. Retrieved 2019-10-17.
  9. ۹٫۰ ۹٫۱ ۹٫۲ ۹٫۳ "Release history — scikit-learn 0.19.dev0 documentation". scikit-learn.org. Retrieved 2017-02-27.
  10. "Release History - 0.20.0 documentation". scikit-learn. Retrieved 6 November 2018.
  11. "Release History - 0.21.0 documentation". scikit-learn. Retrieved 5 May 2019.
  12. "Release History - 0.22 documentation". scikit-learn. Retrieved 7 June 2020.
  13. "Release History - 0.23.0 documentation". scikit-learn. Retrieved 7 June 2020.
  14. "Release History - 0.24 documentation", scikit-learn, retrieved 2021-02-08
  15. "Release History - 1.0.0 documentation". scikit-learn.
  16. "Release History - 1.0.1 documentation". scikit-learn.
  17. "Release History - 1.0.2 documentation". scikit-learn.
  18. "Release History - 1.1.0 documentation". scikit-learn.
  19. "Release History - 1.1.1 documentation". scikit-learn.
  20. "Release History - 1.1.2 documentation". scikit-learn.
  21. "Release History - 1.1.3 documentation". scikit-learn.
  22. "Release History - 1.2.0 documentation". scikit-learn.
  23. "Release History - 1.2.1 documentation". scikit-learn.
  24. "Release History - 1.2.2 documentation". scikit-learn.