DataLearner 标志DataLearnerAI
最新AI资讯
大模型排行榜
大模型评测基准
大模型列表
大模型对比
资源中心
工具
语言中文
DataLearner 标志DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台,持续更新可落地的 AI 能力图谱。

产品

  • 评测榜单
  • 模型对比
  • 数据资源

资源

  • 部署教程
  • 原创内容
  • 工具导航

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例,为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款
  1. 首页/
  2. 博客列表/
  3. 博客详情

重磅!Scikit-learn与Hugging Face强强联手了!

2022/10/18 23:36:35
1,101 阅读
HuggingFacesklearntransformers

深度学习的发展让很多计算机视觉、自然语言处理等相关的模型发展的十分迅猛,也是近几年AI算法发展中最重要的两块内容。Hugging Face也因为开发的transformer太过流行进而已经成为了AI领域的GitHub。但是,当前,对于表格类的数据处理,深度学习依然不是那么令人满意。

Hugging Face一直在努力支持深度学习,但是,这只是深度学习的一部分。传统统计机器学习领域里面最重要的工具Scikit-learn如今终于和深度学习的开源标杆工具Hugging Face联手。

目前,双方的联合主要包括以下几个方面:

  • Hugging Face已经成为Scikit-learn官方赞助商来支持Scikit-learn的持续发展(显然,Scikit-learn商业化不如Hugging Face搞得好)
  • 为了帮助维持Scikit-learn的发展,Adrin Jalali和Benjamin Bossan加入“Hugging Face”团队。Adrin是scikit-learn和fairlearn的核心开发者,而Benjamin是skorch库的作者,现在是scikit-learn的贡献者。
  • “Skops”是正在积极开发的一个新的框架的名称,作为scikit learn和Hugging Face生态系统之间的链接。通过Skops,最终可以:1、将scikit学习模型推到Hugging Face Hub上的能力;2、直接在浏览器中试用模型的可能性;3、自动创建模型card,以改进模型文档和理解;4、在机器学习项目上与他人协作的能力。
  • 其它互连互通的改进,也就是互相不再重复开发一些共同需要的内容,例如评估方法之类的。

总之,按照Scikit-learn官方博客的说法,未来Scikit-learn将作为统计机器学习的模块,在处理表格数据等方面作为Hugging Face生态系统中的一员。未来,可能是tansformers大模型与Scikit-learn合二为一,打造一个强大且完善的机器学习库。我们需要紧盯这一发展。

DataLearner 官方微信

欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送

DataLearner 官方微信二维码
返回博客列表

相关博客

  • 如何在HuggingFace上快速下载DeepSeek-OCR模型?快速下载Hugging Face 大模型的几种实用方法简介
  • HuggingFace官方宣布将对GGUF格式的大模型文件增加更多的支持,未来可以直接在HF上查看GGUF文件的元数据信息!
  • 2023年11月第四周的HuggingFace流行的十大开源大模型分析——多模态大模型和小规模模型爆发
  • HuggingFace开源语音识别模型Distil-Whisper,基于OpenAI的Whisper-V2模型蒸馏,速度快6倍,参数小49%!
  • HuggingFace宣布在transformers库中引入首个RNN模型:RWKV,一个结合了RNN与Transformer双重优点的模型
  • Hugging Face发布最新的深度学习模型评估库Evaluate!
  • 使用kaggle房价预测的实例说明预测算法中OneHotEncoder、LabelEncoder与OrdinalEncoder的使用及其差异
  • 预训练模型编程框架Transformers迎来重磅更新:Transformers Agents发布,一个完全的多模态AI Agent!

热门博客

  • 1Dirichlet Distribution(狄利克雷分布)与Dirichlet Process(狄利克雷过程)
  • 2回归模型中的交互项简介(Interactions in Regression)
  • 3贝塔分布(Beta Distribution)简介及其应用
  • 4矩母函数简介(Moment-generating function)
  • 5普通最小二乘法(Ordinary Least Squares,OLS)的详细推导过程
  • 6使用R语言进行K-means聚类并分析结果
  • 7深度学习技巧之Early Stopping(早停法)
  • 8手把手教你本地部署清华大学的ChatGLM-6B模型——Windows+6GB显卡本地部署