Scikit-learn
Visão Geral
Scikit-learn é uma biblioteca Python open-source para machine learning clássico, construída sobre NumPy, SciPy e matplotlib. É uma das ferramentas mais populares para análise de dados e aprendizado de máquina.
Com uma API consistente e bem documentada, scikit-learn oferece implementações eficientes de algoritmos de classificação, regressão, clustering, redução de dimensionalidade e seleção de modelos.
Principais Características
- Supervised Learning: Classificação e regressão
- Unsupervised Learning: Clustering e PCA
- Model Selection: Cross-validation e grid search
- Preprocessing: Normalização e feature engineering
- Metrics: Avaliação de modelos
- Pipelines: Workflows de ML
- Feature Selection: Seleção de características
- Ensemble Methods: Random Forest, Boosting
Algoritmos Disponíveis
Classificação
SVM, Random Forest, Logistic Regression, Naive Bayes
Regressão
Linear Regression, Ridge, Lasso, SVR
Clustering
K-Means, DBSCAN, Hierarchical Clustering
Dimensionality Reduction
PCA, t-SNE, LDA, Feature Selection
Exemplo Prático
Exemplo de classificação com Random Forest:
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
# Carregar dados
iris = load_iris()
X, y = iris.data, iris.target
# Dividir dados
X_train, X_test, y_train, y_test = train_test_split(
X, y, test_size=0.2, random_state=42
)
# Criar pipeline
pipeline = Pipeline([
('scaler', StandardScaler()),
('classifier', RandomForestClassifier(n_estimators=100, random_state=42))
])
# Treinar modelo
pipeline.fit(X_train, y_train)
# Fazer predições
y_pred = pipeline.predict(X_test)
# Avaliar modelo
accuracy = accuracy_score(y_test, y_pred)
print(f'Acurácia: {accuracy:.4f}')
print('\nRelatório de Classificação:')
print(classification_report(y_test, y_pred, target_names=iris.target_names))
# Feature importance
feature_importance = pipeline.named_steps['classifier'].feature_importances_
for i, importance in enumerate(feature_importance):
print(f'{iris.feature_names[i]}: {importance:.4f}')