scikit-learn: Thư Viện Học Máy Cho Python
/scikit-learn
scikit-learn là thư viện Python cho học máy cổ điển, bao phủ phân loại, hồi quy, phân cụm, và giảm chiều dữ liệu trên nền NumPy và SciPy. Dự án được duy trì từ năm 2007, mang giấy phép BSD-3-Clause, và cài đặt gọn gàng qua pip hoặc conda. Hãy chọn nó khi bạn cần mô hình ML cổ điển trong pipeline dữ liệu Python; bỏ qua nếu dự án của bạn xoay quanh mạng nơ-ron, nằm ngoài phạm vi được tài liệu hoá của thư viện.
scikit-learn là gì?
scikit-learn là một module học máy cho Python, được xây như một lớp trên nền SciPy và phát hành theo giấy phép BSD-3-Clause. David Cournapeau khởi động dự án năm 2007 qua chương trình Google Summer of Code, và từ đó các tình nguyện viên duy trì nó, cùng sự hỗ trợ từ một số tổ chức. GitHub gắn thẻ repository này dưới các chủ đề data analysis, data science, statistics, và machine learning.
Các khả năng học máy cốt lõi
- ✓Xử lý phân loại, hồi quy, phân cụm, và giảm chiều dữ liệu trong một module Python duy nhất thay vì nhiều gói riêng lẻ.
- ✓Chạy trên nền SciPy, nên gắn thẳng vào một workflow dữ liệu đã dùng NumPy/SciPy thay vì cần một stack số học riêng.
- ✓Có sẵn các hàm vẽ đồ thị: hàm tên plot_* và các class kết thúc bằng Display, nhưng cần Matplotlib 3.6.1 trở lên mới chạy được.
- ✓Theo dõi hiệu năng theo thời gian bằng bộ benchmark dựa trên ASV, được gắn link từ badge Benchmark của repository.
- ✓Có bản phát hành có thể trích dẫn trên Zenodo kèm DOI, dành cho ai dùng kết quả từ scikit-learn trong một công bố khoa học.
- ✓Được kiểm thử bằng pytest từ 7.1.2 trở lên qua lệnh `pytest sklearn`, ai cũng chạy được sau khi cài từ source.
- ✓Phụ thuộc vào một stack được định rõ: NumPy 1.24.1+, SciPy 1.10.0+, Narwhals 2.0.1+, joblib 1.4.0+, và threadpoolctl 3.5.0+, đều được ghim phiên bản trong README.
Bắt đầu cài đặt
scikit-learn cần Python 3.11 trở lên cùng NumPy 1.24.1+, SciPy 1.10.0+, Narwhals 2.0.1+, joblib 1.4.0+, và threadpoolctl 3.5.0+; các hàm vẽ đồ thị còn cần thêm Matplotlib 3.6.1+. Nếu đã có sẵn NumPy và SciPy, `pip install -U scikit-learn` là cách nhanh nhất, hoặc dùng `conda install -c conda-forge scikit-learn` nếu bạn đang ở kênh conda-forge. Hướng dẫn cài đặt chi tiết theo từng nền tảng nằm ở scikit-learn.org/stable/install.html chứ không có trong README. Để kiểm tra bản cài từ source hoạt động đúng, chạy `pytest sklearn` từ bên ngoài thư mục source, cần pytest 7.1.2 trở lên; bạn cũng có thể kiểm soát tính ngẫu nhiên khi test bằng biến môi trường SKLEARN_SEED.
Điểm mạnh
- ✓BSD-3-Clause gần như là giấy phép cởi mở nhất, nên không có lo ngại copyleft khi đưa scikit-learn vào một sản phẩm thương mại.
- ✓Dự án được duy trì liên tục từ năm 2007, một lịch sử dài đối với một thư viện data science bằng Python.
- ✓Phiên bản dependency được ghim rõ trong README (NumPy 1.24.1+, SciPy 1.10.0+, joblib 1.4.0+, threadpoolctl 3.5.0+, Narwhals 2.0.1+), nên bạn biết chính xác mình đang kéo về những gì trước khi cài.
- ✓Hai cách cài, pip và conda-forge, bao phủ hầu hết môi trường Python mà không cần thiết lập thêm.
- ✓Một bộ benchmark công khai (ASV) và một DOI có thể trích dẫn trên Zenodo, cả hai đều cho thấy dự án coi trọng độ tin cậy và việc dùng trong học thuật.
- ✓Các kênh hỗ trợ được nêu rõ: mailing list, GitHub Discussions, một tag trên Stack Overflow, và một server Discord.
Hạn chế đã biết
- △README không có ví dụ code hay đoạn quick-start nào, nên người mới phải rời trang này để đọc docs trước khi viết được dòng code đầu tiên.
- △Python 3.11 là phiên bản tối thiểu được hỗ trợ, nên các dự án còn chạy Python cũ hơn sẽ bị chặn ngoài.
- △README không có số phiên bản hay mục changelog nào, nên bạn không biết mình đang xem bản scikit-learn nào nếu không kiểm tra PyPI hay trang changelog.
- △Các hàm vẽ đồ thị là tuỳ chọn nhưng kéo theo một dependency nữa, Matplotlib 3.6.1+, cộng thêm vào stack NumPy/SciPy/joblib/threadpoolctl/Narwhals bắt buộc.
- △Hỗ trợ GPU, huấn luyện phân tán, và mạng nơ-ron kiểu deep learning không được nhắc tới ở đâu trong README, nên đừng kỳ vọng vào chúng.
- △Các hệ điều hành được hỗ trợ cũng không được liệt kê trong README, nên tài liệu này không xác nhận khả năng tương thích nền tảng.
Các thư viện ML khác cho Python
Câu hỏi thường gặp về scikit-learn
scikit-learn được phát hành theo giấy phép BSD-3-Clause, một giấy phép cởi mở không yêu cầu copyleft.
scikit-learn cần Python 3.11 trở lên và NumPy 1.24.1 trở lên, cùng SciPy 1.10.0+, joblib 1.4.0+, threadpoolctl 3.5.0+, và Narwhals 2.0.1+.
Chạy `pip install -U scikit-learn` nếu đã có NumPy và SciPy, hoặc `conda install -c conda-forge scikit-learn` trên kênh conda-forge; hướng dẫn cài đặt đầy đủ nằm ở scikit-learn.org/stable/install.html.
Docs bản ổn định nằm ở scikit-learn.org, docs bản đang phát triển ở scikit-learn.org/dev/, và có một trang FAQ riêng ở scikit-learn.org/stable/faq.html.
Development Guide của scikit-learn tại scikit-learn.org/stable/developers/index.html cùng Contributing guide bao phủ đóng góp code, tài liệu, và test, và dự án chào đón người đóng góp mới ở mọi trình độ.
Giấy phép BSD-3-Clause của scikit-learn cho phép dùng thương mại, chỉnh sửa, và phân phối lại mà không bắt bạn phải mở mã nguồn của chính mình.
Vấn đề scikit-learn giải quyết
NumPy và SciPy cho một dự án Python mảng dữ liệu và phần toán học nền, nhưng cả hai đều không có sẵn một bộ phân loại, hồi quy, hay phân cụm nào để fit và chấm điểm ngay. scikit-learn sinh ra để lấp đúng khoảng trống đó. Nó là một module duy nhất, xây trên SciPy, cho bước ML cổ điển mà nếu không có nó, bạn phải tự viết estimator từ đầu hoặc ghép nhiều gói nhỏ lại với nhau.
Trường hợp sử dụng tốt nhất
- •Thêm học máy cổ điển, phân loại, hồi quy, hay phân cụm, vào một codebase Python đã dùng NumPy và SciPy.
- •Công việc học thuật hay nghiên cứu cần một thư viện có thể trích dẫn, nhờ DOI trên Zenodo của dự án.
- •Các dự án phân tích dữ liệu muốn công cụ đánh giá mô hình mà không cần một framework deep learning đầy đủ.
- •Đóng góp code, tài liệu, hay test cho một dự án ML mã nguồn mở đang được duy trì tích cực, có issue tracker công khai và server Discord.
- •Dạy hoặc học các khái niệm học máy cổ điển bằng Python, nhờ lịch sử của dự án từ năm 2007.
Cách sử dụng
Bản thân README không kèm ví dụ code để gọi API của scikit-learn. Ngoài lệnh cài qua pip/conda và lệnh test `pytest sklearn`, cách dùng hàng ngày không được mô tả trong file này. Trang tài liệu ổn định tại scikit-learn.org cùng trang FAQ là nơi dự án dẫn người dùng tới, cùng với một changelog ghi lại các thay đổi đáng chú ý giữa các bản phát hành.
Ai nên dùng — và ai nên bỏ qua
Hãy thử scikit-learn nếu công việc của bạn là học máy cổ điển, phân loại, hồi quy, phân cụm, hay giảm chiều dữ liệu, trong một dự án Python đã dùng NumPy và SciPy. Nó cũng hợp với ai muốn một thư viện có thể trích dẫn cho một bài báo, nhờ DOI trên Zenodo, hoặc một codebase để đóng góp với mailing list và Discord đang hoạt động. Bỏ qua nếu bạn đang xây mạng nơ-ron: đó là một phạm vi bài toán khác với những gì module dựa trên SciPy này tài liệu hoá.
Repo liên quan
Chưa chắc scikit-learn có hợp với bạn?
Để ChatGPT, Claude hoặc Perplexity tìm hiểu giúp — bấm bên dưới và xem AI nói gì về scikit-learn.