scikit-learn 和 tensorflow 有什么區別？ 可以一起使用嗎？

Question

對於這個問題，我無法得到令人滿意的答案。 據我了解，TensorFlow 是一個數值計算庫，常用於深度學習應用，Scikit-learn 是一個通用機器學習框架。

但是它們之間的確切區別是什么，目的和TensorFlow的function是什么？ 我可以一起使用它們嗎？這有意義嗎？

Answer 1

您的理解幾乎是正確的，盡管非常非常基本。 TensorFlow 更像是一個低級庫。 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,邏輯回歸，還有很多很多。 如果我們想實現深度學習算法，TensorFlow 真的很出色，因為它允許我們利用 GPU 進行更有效的訓練。 TensorFlow 是一個低級庫，允許您使用一組簡單的運算符（如“add”、“matmul”、“concat”等）構建機器學習模型（和其他計算）。

到目前為止有意義嗎？

Scikit-Learn 是一個更高級別的庫，其中包含多種機器學習算法的實現，因此您可以在一行或幾行代碼中定義一個 model object，然后使用它來擬合一組值。

Tensorflow 主要用於深度學習，而 Scikit-Learn 用於機器學習。

這是一個鏈接，向您展示如何使用 TensorFlow 進行回歸和分類。 我強烈建議下載數據集並自己運行代碼。

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

當然，您可以使用 Scikit-Learn 進行許多不同類型的回歸和分類，而無需 TensorFlow。 如果有機會，我建議通讀 Scikit-Learn 文檔。

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

完成所有事情需要一段時間，但如果你堅持到最后，你會學到很多東西，，。 最后，您可以從以下鏈接獲取 2,600 多頁的 Scikit-Learn 用戶指南。

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

Answer 2

Tensorflow 是一個用於構建神經網絡的庫。 scikit-learn 包含即用型算法。 TF 可以處理多種數據類型：表格、文本、圖像、音頻。 scikit-learn 旨在處理表格數據。

是的，您可以同時使用這兩個軟件包。 但如果您只需要經典的多層實現，那么 scikit-learn 中可用的MLPClassifier和MLPRegressor是一個非常好的選擇。 我已經比較了 TF 和 Scikit-learn 中實現的 MLP，沒有顯着差異，scikit-learn MLP 在 CPU 上的工作速度比 TF 快大約 2 倍。 您可以在我的博客文章中閱讀比較的詳細信息。

在性能比較的散點圖下方：

Answer 3

兩者都是第 3 方機器學習模塊，並且都很擅長。 Tensorflow是兩者中比較流行的。

Tensorflow 通常更多地用於深度學習和神經網絡。

SciKit learn 是更通用的機器學習。

雖然我不認為我遇到過任何人同時使用兩者，但沒有人說你不能。