Scikit-learn

Scikit-learn est une bibliothèque libre Python destinée à l'apprentissage automatique. Elle est développée par de nombreux contributeurs^[2] notamment dans le monde académique par des instituts français d'enseignement supérieur et de recherche comme l'Inria^[3].

Scikit-learn

Informations

Créateur	David Cournapeau
Développé par	David Cournapeau, Olivier Grisel (d), Gaël Varoquaux, Alexandre Gramfort (d) et Andreas Mueller (d)
Dernière version	1.6.1 (10 janvier 2025)[1]
Dépôt	github.com/scikit-learn/scikit-learn
Assurance qualité	Intégration continue
Écrit en	Python, C, C++ et Cython
Système d'exploitation	Linux et Microsoft Windows
Type	Bibliothèque logicielle Bibliothèque logicielle Python (d)
Licence	BSD 3-clauses
Site web	scikit-learn.org

modifier - modifier le code - voir Wikidata (aide)

Elle propose dans son framework de nombreuses bibliothèques d’algorithmes à implémenter, clé en main. Ces bibliothèques sont à disposition notamment des data scientists.

Elle comprend notamment des fonctions pour estimer des forêts aléatoires, des régressions logistiques, des algorithmes de classification, et les machines à vecteurs de support. Elle est conçue pour s'harmoniser avec d'autres bibliothèques libres Python, notamment NumPy et SciPy.

Historique

Scikit-learn est dérivé d'un projet soumis par David Cournapeau lors du Google Summer of Code de 2007 sous le nom scikits.learn^[4]. Cournapeau envisageait initialement de créer une version dérivée et simplifiée (toolkit) de SciPy, l'une des principales library Python pour le calcul scientifique. En 2010, le projet change de nature et est désormais maintenu par une nouvelle équipe de développeurs issus de l'Inria, avec le support de l'institution scientifique.

En 2024, une nouvelle organisation est créée pour garantir le soutien financier de Scikit-Learn, Probabl, avec une gouvernance mixte associant des acteurs publics et privés sous la direction de Yann Lechelle^[5].

Implémentation

Scikit-learn est écrit en Python, avec quelques algorithmes essentiels écrits en Cython pour optimiser les performances. Les machines à vecteurs de support sont réalisées par un emballage Cython autour de LIBSVM.