Scikit-learn – aprendizado de máquina

O que é Scikit-learn

Scikit-learn — é uma das bibliotecas Python mais populares e poderosas para machine learning com código aberto. Desenvolvida em 2007 por David Cournapeau, a biblioteca tornou-se o padrão de facto para implementar algoritmos de machine learning no ecossistema Python.

Principais tarefas e capacidades do Scikit-learn

A biblioteca fornece ferramentas prontas para resolver uma ampla gama de tarefas de machine learning:

Tarefas de aprendizagem supervisionada:

• Classificação — determinação da pertença de objetos a classes específicas
• Regressão — previsão de valores numéricos contínuos

Tarefas de aprendizagem não supervisionada:

• Clustering — agrupamento de objetos semelhantes
• Redução de dimensionalidade — compressão de dados preservando informações importantes
• Detecção de anomalias — identificação de outliers nos dados

Capacidades adicionais:

• Pré-processamento de dados — normalização, escalonamento, codificação
• Seleção de features — escolha das características mais informativas
• Avaliação de modelos — várias métricas de qualidade
• Cross-validation — verificação da robustez do modelo
• Ajuste de hiperparâmetros — configuração automática de parâmetros

Instalação e configuração inicial

Instalação via pip

pip install scikit-learn

Instalação com dependências adicionais

pip install scikit-learn pandas matplotlib seaborn jupyter

Verificação da instalação

import sklearn
print(sklearn.__version__)

Importação dos componentes principais

# Módulos principais
from sklearn.model_selection import train_test_split, cross_val_score
from sklearn.preprocessing import StandardScaler, LabelEncoder
from sklearn.linear_model import LinearRegression, LogisticRegression
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, classification_report
from sklearn.datasets import load_iris, make_classification

Arquitetura e conceitos principais

Estimator

Estimator — é a classe base para todos os algoritmos de machine learning no Scikit-learn. Cada estimator implementa dois métodos principais:

• fit(X, y) — treinar o modelo nos dados
• predict(X) — fazer previsões para novos dados

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train, y_train)
predictions = model.predict(X_test)

Transformer

Transformer — classe para transformação de dados. Implementa os métodos:

• fit(X) — aprender os parâmetros da transformação
• transform(X) — aplicar a transformação
• fit_transform(X) — combinar fit e transform

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

Pipeline

Pipeline permite combinar várias etapas de processamento de dados e treino numa única sequência:

from sklearn.pipeline import Pipeline
from sklearn.preprocessing import StandardScaler
from sklearn.svm import SVC

pipeline = Pipeline([
    ('scaler', StandardScaler()),
    ('classifier', SVC())
])

pipeline.fit(X_train, y_train)
predictions = pipeline.predict(X_test)

Trabalhando com dados

Datasets embutidos

Scikit-learn fornece muitos conjuntos de dados prontos