Scikit-learn

Scikit-learn es una biblioteca de aprendizaje automático de código abierto y gratuita para el lenguaje Python, centrada en el aprendizaje automático «clásico» —supervisado y no supervisado— y no en el aprendizaje profundo. Se distribuye con licencia BSD, que permite el uso comercial, y es una de las herramientas más usadas del campo.

Qué ofrece

Cubre las grandes familias de tareas del aprendizaje automático clásico: clasificación (máquinas de vectores de soporte, bosques aleatorios, potenciación por gradiente, k-vecinos, regresión logística), regresión, agrupamiento (k-means, DBSCAN), reducción de dimensionalidad (PCA, NMF), además de herramientas de selección de modelos (validación cruzada, búsqueda en malla) y de preprocesamiento. Se construye sobre las bibliotecas numéricas de Python, NumPy y SciPy. Fuente primaria.

Origen

Comenzó en 2007 como un proyecto de David Cournapeau en el Google Summer of Code, y en 2010 un equipo del instituto francés INRIA —Fabian Pedregosa, Gaël Varoquaux y otros— publicó la primera versión pública. Su artículo de referencia, «Scikit-learn: Machine Learning in Python», apareció en el Journal of Machine Learning Research en 2011.

Por qué es relevante (y qué no es)

Su gran seña de identidad es una API consistente: todos los modelos comparten el mismo patrón —se ajustan con fit, predicen con predict y transforman con transform—, lo que, junto con su documentación, la ha convertido en la herramienta estándar de facto para el aprendizaje automático clásico y en la enseñanza. Conviene aclarar qué no es: no es un marco de aprendizaje profundo —para las redes neuronales profundas se usan PyTorch o TensorFlow—, aunque se integra bien con ellos. Fuente primaria. Fuente primaria.