scikit-learn 和 tensorflow 有什么区别？ 可以一起使用吗？

Question

对于这个问题，我无法得到令人满意的答案。 据我了解，TensorFlow 是一个数值计算库，常用于深度学习应用，Scikit-learn 是一个通用机器学习框架。

但是它们之间的确切区别是什么，目的和TensorFlow的function是什么？ 我可以一起使用它们吗？这有意义吗？

Answer 1

您的理解几乎是正确的，尽管非常非常基本。 TensorFlow 更像是一个低级库。 Basically, we can think of TensorFlow as the Lego bricks (similar to NumPy and SciPy) that we can use to implement machine learning algorithms whereas Scikit-Learn comes with off-the-shelf algorithms, eg, algorithms for classification such as SVMs, Random Forests,逻辑回归，还有很多很多。 如果我们想实现深度学习算法，TensorFlow 真的很出色，因为它允许我们利用 GPU 进行更有效的训练。 TensorFlow 是一个低级库，允许您使用一组简单的运算符（如“add”、“matmul”、“concat”等）构建机器学习模型（和其他计算）。

到目前为止有意义吗？

Scikit-Learn 是一个更高级别的库，其中包含多种机器学习算法的实现，因此您可以在一行或几行代码中定义一个 model object，然后使用它来拟合一组值。

Tensorflow 主要用于深度学习，而 Scikit-Learn 用于机器学习。

这是一个链接，向您展示如何使用 TensorFlow 进行回归和分类。 我强烈建议下载数据集并自己运行代码。

https://stackabuse.com/tensorflow-2-0-solving-classification-and-regression-problems/

当然，您可以使用 Scikit-Learn 进行许多不同类型的回归和分类，而无需 TensorFlow。 如果有机会，我建议通读 Scikit-Learn 文档。

https://scikit-learn.org/stable/user_guide.html

完成所有事情需要一段时间，但如果你坚持到最后，你会学到很多东西，，。 最后，您可以从以下链接获取 2,600 多页的 Scikit-Learn 用户指南。

https://scikit-learn.org/stable/_downloads/scikit-learn-docs.pdf

Answer 2

Tensorflow 是一个用于构建神经网络的库。 scikit-learn 包含即用型算法。 TF 可以处理多种数据类型：表格、文本、图像、音频。 scikit-learn 旨在处理表格数据。

是的，您可以同时使用这两个软件包。 但如果您只需要经典的多层实现，那么 scikit-learn 中可用的MLPClassifier和MLPRegressor是一个非常好的选择。 我已经比较了 TF 和 Scikit-learn 中实现的 MLP，没有显着差异，scikit-learn MLP 在 CPU 上的工作速度比 TF 快大约 2 倍。 您可以在我的博客文章中阅读比较的详细信息。

在性能比较的散点图下方：

Answer 3

两者都是第 3 方机器学习模块，并且都很擅长。 Tensorflow是两者中比较流行的。

Tensorflow 通常更多地用于深度学习和神经网络。

SciKit learn 是更通用的机器学习。

虽然我不认为我遇到过任何人同时使用两者，但没有人说你不能。