Scikit-learn

Visão Geral

Esta skill oferece orientação abrangente para tarefas de aprendizado de máquina usando scikit-learn, a biblioteca Python padrão da indústria para aprendizado de máquina clássico. Use esta skill para classificação, regressão, clustering, redução de dimensionalidade, pré-processamento, avaliação de modelos e construção de pipelines de ML prontos para produção.

Instalação

Visa scikit-learn 1.9.1, verificado com Python 3.13. A versão requer Python 3.11+; use seus wheels publicados para seu interpretador/plataforma. Veja as notas de lançamento da versão 1.9. Os scripts empacotados e os testes de regressão são exemplos executáveis. Trechos de referência usando X, y, colunas ou placeholders fornecidos pelo chamador são adaptações ilustrativas, não programas completos e independentes.

Instale o pacote PyPI scikit-learn (não o pacote sklearn obsoleto no PyPI). Importe no código como sklearn.

# Install scikit-learn using uv
uv pip install "scikit-learn==1.9.1"

# Optional: plotting utilities and bundled script dependencies
uv pip install "scikit-learn[plots]==1.9.1" matplotlib pandas

# Commonly used with
uv pip install pandas numpy

Verifique sua versão:

import sklearn
print(sklearn.__version__)

Quando Usar Esta Skill

Use a skill scikit-learn quando:

• Construir modelos de classificação ou regressão
• Realizar clustering ou redução de dimensionalidade
• Pré-processar e transformar dados para aprendizado de máquina
• Avaliar o desempenho do modelo com validação cruzada
• Ajustar hiperparâmetros com busca em grade ou aleatória
• Criar pipelines de ML para fluxos de trabalho de produção
• Comparar diferentes algoritmos para uma tarefa
• Trabalhar com dados estruturados (tabulares) e de texto
• Precisar de abordagens de aprendizado de máquina clássico e interpretáveis

Início Rápido

Exemplo de Classificação

from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report

# Split data
X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.2, stratify=y, random_state=42
)

# Preprocess
scaler = StandardScaler()
X_train_scaled = scaler.fit_transform(X_train)
X_test_scaled = scaler.transform(X_test)

# Train model
model = RandomForestClassifier(n_estimators=100, random_state=42)
model.fit(X_train_scaled, y_train)

# Evaluate
y_pred = model.predict(X_test_scaled)
print(classification_report(y_test, y_pred))

Pipeline Completo com Dados Mistos

from sklearn.pipeline import Pipeline
from sklearn.compose import ColumnTransformer
from sklearn.preprocessing import StandardScaler, OneHotEncoder
from sklearn.impute import SimpleImputer
from sklearn.ensemble import GradientBoostingClassifier

# Define feature types
numeric_features = ['age', 'income']
categorical_features = ['gender', 'occupation']

# Create preprocessing pipelines
numeric_transformer = Pipeline([
    ('imputer', SimpleImputer(strategy='median')),
    ('scaler', StandardScaler())
])

categorical_transformer = Pipeline([
    ('imputer', SimpleImputer(strategy='most_frequent')),
    ('onehot', OneHotEncoder(handle_unknown='ignore'))
])

# Combine transformers
preprocessor = ColumnTransformer([
    ('num', numeric_transformer, numeric_features),
    ('cat', categorical_transformer, categorical_features)
])

# Full pipeline
model = Pipeline([
    ('preprocessor', preprocessor),
    ('classifier', GradientBoostingClassifier(random_state=42))
])

# Fit and predict
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

Capacidades Principais

Cinco áreas de capacidade são documentadas em references/core_capabilities.md, com detalhes por tópico em references/supervised_learning.md, references/unsupervised_learning.md, references/model_evaluation.md, references/preprocessing.md e references/pipelines_and_composition.md:

1. Aprendizado supervisionado — famílias de estimadores de classificação e regressão.
2. Aprendizado não supervisionado — clustering, decomposição e aprendizado de manifold.
3. Avaliação e seleção de modelos — métricas, validação cruzada e busca de hiperparâmetros.
4. Pré-processamento de dados — escalonamento, codificação, imputação e seleção de features.

…