Référence Scikit-learn

Ce qu'il fait

Cette compétence fournit une référence complète et pratique pour utiliser scikit-learn afin de construire, évaluer et déployer des modèles d'apprentissage automatique classique. Elle regroupe des conseils clairs et des scripts d'exemple pour l'apprentissage supervisé (classification/régression), l'apprentissage non supervisé (clustering/réduction de dimensionnalité), le prétraitement, l'évaluation des modèles, le réglage des hyperparamètres et des pipelines prêts pour la production. Le contenu comprend des exemples de bout en bout, des pipelines recommandés et des documents de référence pour les algorithmes et métriques courants.

Quand l'utiliser

Utilisez cette compétence lorsque vous avez besoin de : entraîner ou comparer des algorithmes de ML classique ; construire des pipelines reproductibles incluant le prétraitement et l'encodage ; évaluer des modèles avec des stratégies de validation croisée robustes ; régler les hyperparamètres ; ou préparer des modèles pour la production. Elle est utile pour les data scientists prototypant des modèles, les ingénieurs opérationnalisant des pipelines et les apprenants ayant besoin de modèles concis et prêts à l'emploi.

Ce qui est inclus

• Scripts : classification_pipeline.py, clustering_analysis.py et scripts d'exemple pour la construction de pipelines (has_scripts=true).
• Références : documents markdown complets pour supervised_learning, unsupervised_learning, preprocessing, model_evaluation et pipelines (has_references=true).
• Instructions : exemples de démarrage rapide, notes sur les meilleures pratiques (utiliser des pipelines, des divisions stratifiées), dépannage et métriques recommandées.

Agents compatibles

Fonctionne bien comme compétence de connaissance/référence pour les agents capables de coder (agents de type Copilot/Codex/Claude Code/Gemini) qui peuvent exécuter ou suggérer des exemples Python.