Ich bin neu in Machine Learning und Python. Ich versuche zu verstehen, wann die Funktionen in sklearn.linear_model (linearregression und logisticregression) zu verwenden sind und wann ich meinen eigenen Code für dasselbe implementieren soll. Alle Vorschläge oder Referenzen werden sehr geschätzt.Python Machine Learning sklearn.linear_model vs benutzerdefinierten Code
Grüße Souvik
Ich empfehle Ihnen, so viel wie möglich verwenden, um die von sklearn oder anderen ML-Bibliothek gegeben Funktionen (I TensorFlow mögen). Das liegt daran, dass es sehr schwierig ist, die Leistung einer Bibliothek zu erzielen. Sie berechnen auf einer niedrigen Ebene des Betriebssystems, während die gewöhnlichen Benutzer die Rechenaktionen nicht außerhalb der Python-Umgebung implementieren. Darüber hinaus ist Python an sich nicht sehr effizient in Bezug auf die Datenstrukturen. Zum Beispiel wird ein einfaches Array als LinkedList implementiert. Die ML-Bibliotheken verwenden Numpy zu ihren Berechnungen, um eine bessere Leistung zu erzielen.
Ich denke, Sie sollten Ihren eigenen Code aus zwei Gründen implementieren: Sie wollen lernen, wie es funktioniert oder Sie möchten eine fehlende Funktion hinzufügen/etwas verbessern. Für die zweite könntest du zum scikit-learn beitragen. Ich bin mir nicht sicher, ob ich deine Frage verstanden habe. – Khaled
Danke @Khaled. Was ich verstehen wollte, ist, da Operationen unter sklearn verfügbar sind, warum oder wann muss ich meinen eigenen Code schreiben. Was sollte der Entscheidungsfaktor sein, um Code zu schreiben, anstatt diese Funktionen zu verwenden? Was sind die Nachteile dieser Funktionen? –