Scikit-Learn API چگونه کار میکند؟

اگرچه دست اندرکاران بسیاری در روند پیشرفت روزافزون Scikit-Learn API سهیم هستند، ولی توسعه و بروزرسانی‌های انجام شده در طی این روند نیز در بستر یکسری اصول انجام میپذیرد تا جلوی پدیده‌ای به نام: " code proliferation " گرفته شود؛ این قضیه اشاره به اِزدیاد تصاعدی کد‌های الحاق شده به فریمورک دارد که در عمل ممکن است بسیاری از این کدها، عملکرد یکسانی را ارائه دهند!
این اصول یاد شده بیشتر روی سادگی و ثبات تاکید دارند، که Scikit-Learn API هم به طبع آن از ثبات قابل توجهی در خصوص توسعه‌ی هر مدلی توسط هر توسعه دهنده‌ای برخوردار است. پس کافی است که تنها یکبار با قابلیت‌ها و عملکردهای آن آشنا شوید و در هر کدام از پروژه‌های خودتان از آن استفاده کنید.

تقسیم‌بندیِ Scikit-Learn API متشکل از سه رابط مکمّل میباشد که منطق و سینتَکس مشترکی داشته و عبارتند از: " Predictor " ، " Estimator " و " Transformer ". از رابط اول(estimator) یا برآوردگر بمنظور ایجاد مدلها و جای‌دادن داده‌ها در آنها استفاده میشود؛ از رابط دوم(predictor) یا پیش‌بینی کننده، همانطوریکه از نام آن پیداست بمنظور طرح یکسری پیش‌بینی‌ها بر اساس مدلی که قبلا آموزش دیده استفاده میشود؛ و از رابط سوم(transformer) یا تبدیل کننده بمنظور تبدیل‌کردن داده‌ها استفاده میشود.