En mi humilde opinión, debe implementarlos usted mismo.
SKLearn ofrece una interfaz muy fácil para muchos algoritmos, también se han probado y cuidado muchas cajas de esquina y, por lo tanto, es bueno usarlo en la producción. También ayuda al desarrollo de preguntas y respuestas, por lo que es bueno cuando está acostumbrado a Kaggle como las competiciones.
Sin embargo, cuando esté aprendiendo, sklearn. .fit y sklearn. .predict no ofrecerán mucha información sobre el algoritmo que se está utilizando. Por lo tanto, es mejor codificar los algoritmos para que uno entienda cómo funcionan los detalles y las arenas, cómo funcionan las matemáticas, cómo funcionan los hiperparámetros y afectan el modelo y otras cosas similares.
- Cómo construir un sistema de calificación basado en comentarios usando Word2Vec (python)
- Soy un ingeniero electrónico que conoce algoritmos de aprendizaje automático, big data, estadísticas, SQL, Matlab. ¿Puedo ser contratado como ingeniero de IA de nivel básico?
- ¿Cuál es la mejor manera de normalizar los datos implícitos para un sistema de recomendación de música mediante el filtrado colaborativo?
- ¿Puede el aprendizaje automático ayudarnos a comprender el cerebro humano?
- ¿Por qué la longitud desigual del texto es un problema en el procesamiento del lenguaje natural?
TL, DR: la píldora roja es lo que tomas cuando estás aprendiendo, cuando estás en una situación de trabajo / tiempo limitado, toma la azul.
