scikit-learn
La librería estándar de machine learning clásico en Python.
CategoríaMachine Learning
DificultadPrincipiante
Tiempo de aprendizaje3-4 semanas
¿Qué puedes lograr con esta herramienta?
Los resultados prácticos que desbloquea.
- Entrenar y evaluar modelos de clasificación, regresión y clustering en pocas líneas
- Construir pipelines reproducibles de preprocesamiento + modelo
- Comparar modelos con validación cruzada y búsqueda de hiperparámetros
Descripción
scikit-learn ofrece una API consistente para docenas de algoritmos de machine learning clásico (regresión, árboles, SVM, clustering) junto con herramientas de preprocesamiento, validación y selección de modelos. Es el punto de entrada estándar al ML supervisado y no supervisado en Python.
Casos de uso
- Clasificación y regresión con datos tabulares
- Clustering y reducción de dimensionalidad
- Construcción de pipelines de preprocesamiento
- Validación cruzada y ajuste de hiperparámetros
Instalación
pip install scikit-learnEjemplo básico
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y)
model = RandomForestClassifier().fit(X_train, y_train)
print(model.score(X_test, y_test))Ventajas y limitaciones
Ventajas
- API consistente entre decenas de algoritmos
- Documentación y ejemplos excelentes
- Perfecto para datos tabulares de tamaño pequeño-mediano
Limitaciones
- No está diseñado para deep learning ni GPUs
- Escala limitada a un solo nodo/máquina
Alternativas
Herramientas que resuelven un problema parecido de otra forma.