Wat is het verschil tussen scikit-learn en tensorflow? Is het mogelijk om ze samen te gebruiken?

Ik krijg geen bevredigend antwoord op deze vraag. Zoals ik het begrijp, is TensorFlow een bibliotheek voor numerieke berekeningen, vaak gebruikt in deep learning-toepassingen, en Scikit-learn is een raamwerk voor algemeen machine learning.

Maar wat is het exacte verschil tussen beide, wat is het doel en de functie van TensorFlow? Kan ik ze samen gebruiken en heeft het enige zin?


Antwoord 1, autoriteit 100%

Uw begrip is vrijwel perfect, zij het zeer, zeer basaal. TensorFlow is meer een bibliotheek op laag niveau. In principe kunnen we TensorFlow zien als de Legoblokjes (vergelijkbaar met NumPy en SciPy) die we kunnen gebruiken om machine learning-algoritmen te implementeren, terwijl Scikit-Learn wordt geleverd met kant-en-klare algoritmen, bijv. algoritmen voor classificatie zoals SVM’s, Random Bossen, logistieke regressie en nog veel, veel meer. TensorFlow schittert echt als we deep learning-algoritmen willen implementeren, omdat we hiermee kunnen profiteren van GPU’s voor efficiëntere training. TensorFlow is een bibliotheek op laag niveau waarmee u modellen voor machine learning (en andere berekeningen) kunt bouwen met behulp van een reeks eenvoudige operatoren, zoals ‘add’, ‘matmul’, ‘concat’, enz.

Begrijpelijk tot nu toe?

Scikit-Learn is een bibliotheek op een hoger niveau die implementaties van verschillende machine learning-algoritmen bevat, zodat u een modelobject in een enkele regel of een paar regels code kunt definiëren en het vervolgens kunt gebruiken om een ​​reeks punten te passen of te voorspellen een waarde.

Tensorflow wordt voornamelijk gebruikt voor deep learning, terwijl Scikit-Learn wordt gebruikt voor machine learning.

Hier is een link die u laat zien hoe u regressie en classificatie uitvoert met TensorFlow. Ik raad ten zeerste aan om de datasets te downloaden en de code zelf uit te voeren.

https://stackabuse.com/tensorflow-2 -0-classificatie-en-regressie-problemen oplossen/

Natuurlijk kun je veel verschillende soorten regressie en classificatie doen met Scikit-Learn, zonder TensorFlow. Ik raad je aan om de Scikit-Learn-documentatie door te lezen als je de kans hebt.

https://scikit-learn.org/stable/user_guide.html

Het zal even duren om alles door te hebben, maar als je het einde haalt, heb je een hoop geleerd!!! Ten slotte kunt u de 2600+ pagina’s tellende gebruikershandleiding voor Scikit-Learn downloaden via de onderstaande link.

https://scikit-learn.org/stable/_downloads/ scikit-learn-docs.pdf


Antwoord 2, autoriteit 16%

De Tensorflow is een bibliotheek voor het bouwen van neurale netwerken. De scikit-learn bevat kant-en-klare algoritmen. De TF kan met verschillende gegevenstypen werken: tabel, tekst, afbeeldingen, audio. De scikit-learn is bedoeld om met tabelgegevens te werken.

Ja, u kunt beide pakketten gebruiken. Maar als je alleen de klassieke Multi-Layer-implementatie nodig hebt, dan zijn de MLPClassifieren MLPRegressordie beschikbaar zijn in scikit-learn een zeer goede keuze. Ik heb een vergelijking gemaakt van MLP geïmplementeerd in TF vs Scikit-learn en er waren geen significante verschillen en scikit-learn MLP werkt ongeveer 2 keer sneller dan TF op CPU. Je kunt de details van de vergelijking lezen in mijn blogbericht.

Onder de spreidingsdiagrammen van prestatievergelijking:

Tensorflow vs Scikit-leren over classificatietaak

Tensorflow vs Scikit-leren op regressietaak


Antwoord 3, autoriteit 5%

Beide zijn machine learning-modules van derden en beide zijn er goed in.
Tensorflow is de meest populaire van de twee.

Tensorflow wordt doorgaans meer gebruikt in deep learning en neurale netwerken.

SciKit Learn is algemener Machine Learning.

En hoewel ik denk dat ik nog niemand ben tegengekomen die beide tegelijk gebruikt, zegt niemand dat dat niet kan.

LEAVE A REPLY

Please enter your comment!
Please enter your name here

Other episodes