Skip to main content
Selanjutnya adalah library yang digunakan untuk melakukan pemelajaran mesin. Anda dapat menggunakan library berikut untuk membantu Anda menyelesaikan permasalahan machine learning. Berikut adalah beberapa library populer untuk machine learning.
  1. scikit-learn Pertama adalah scikit-learn yang menyediakan berbagai algoritma pemelajaran mesin siap pakai untuk membantu dalam pengembangan model pemelajaran mesin, pemrosesan data, dan evaluasi kinerja model. Scikit-learn termasuk library eksternal sehingga Anda perlu menginstalnya terlebih dahulu untuk bisa menggunakannya. Silakan jalankan kode berikut untuk menginstalnya menggunakan pip. 
    pip install -U scikit-learn
    Jika Anda ingin menggunakan conda, silakan gunakan kode berikut. 
    conda create -n sklearn-env -c conda-forge scikit-learn

conda activate sklearn-env
    Anda bisa merujuk pada tautan berikut untuk melihat berbagai penerapan machine learning menggunakan scikit-learn.
  2. TensorFlow
    Selanjutnya adalah TensorFlow sebagai salah satu library paling populer terkait machine learning. Dengan menggunakan TensorFlow, Anda bisa mengembangkan machine learning hingga tahap deployment.     Anda bisa menginstal TensorFlow menggunakan perintah pip berikut. 
    pip install tensorflow
    Berikut adalah link dokumentasi yang bisa dijadikan rujukan untuk mempelajari machine learning menggunakan tensorflow.
  3. PyTorch
    Terakhir ada PyTorch, yakni library machine learning yang dikembangkan oleh Facebook’s AI Research lab (FAIR). PyTorch menyediakan alat dan kerangka kerja yang kuat untuk mengembangkan model pemelajaran mesin, terutama dalam konteks jaringan saraf tiruan (neural networks).     Anda bisa menggunakan kode berikut untuk menginstal PyTorch versi stabil menggunakan pip di Windows dan Mac. 
    pip install torch torchvision torchaudio
    Untuk Linux, Anda bisa menggunakan kode berikut. 
    pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu
    Anda bisa melihat dokumentasi instalasi lebih dalam pada tautan ini. Selain itu, jika Anda ingin melihat berbagai contoh penerapannya, silakan merujuk pada tautan berikut.