HTML Microdata document

This HTML5 document contains 22 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Prefix	Namespace IRI
category-es	http://es.dbpedia.org/resource/CategorÃa:
dct	http://purl.org/dc/terms/
wikipedia-es	http://es.wikipedia.org/wiki/
n7	https://scikit-learn.org/
dbo	http://dbpedia.org/ontology/
foaf	http://xmlns.com/foaf/0.1/
dbpedia-es	http://es.dbpedia.org/resource/
n15	http://es.wikipedia.org/wiki/Scikit-learn?oldid=128777903&ns=
schema	http://schema.org/
rdfs	http://www.w3.org/2000/01/rdf-schema#
rdf	http://www.w3.org/1999/02/22-rdf-syntax-ns#
owl	http://www.w3.org/2002/07/owl#
prov	http://www.w3.org/ns/prov#
xsdh	http://www.w3.org/2001/XMLSchema#
wikidata	http://www.wikidata.org/entity/
dbr	http://dbpedia.org/resource/
n5	http://shop.oreilly.com/product/0636920030515.

Subject Item: dbpedia-es:Scikit-learn
rdf:type: dbo:Software wikidata:Q386724 wikidata:Q7397 dbo:Work owl:Thing schema:CreativeWork
rdfs:label: Scikit-learn
rdfs:comment: Scikit-learn (anteriormente scikits.learn) es una biblioteca para aprendizaje automático de software libre para el lenguaje de programación Python.Incluye varios algoritmos de clasificación, regresión y análisis de grupos entre los cuales están máquinas de vectores de soporte, bosques aleatorios, Gradient boosting, K-means y DBSCAN. Está diseñada para interoperar con las bibliotecas numéricas y científicas NumPy y SciPy.
foaf:homepage: n7:
dct:subject: category-es:Bibliotecas_de_Python category-es:Aprendizaje_automÃ¡tico category-es:Software_libre
foaf:isPrimaryTopicOf: wikipedia-es:Scikit-learn
dbo:wikiPageID: 8741883
dbo:wikiPageRevisionID: 128777903
dbo:wikiPageExternalLink: n5:do n7:
dbo:wikiPageLength: 4797
prov:wasDerivedFrom: n15:0
dbo:abstract: Scikit-learn (anteriormente scikits.learn) es una biblioteca para aprendizaje automático de software libre para el lenguaje de programación Python.Incluye varios algoritmos de clasificación, regresión y análisis de grupos entre los cuales están máquinas de vectores de soporte, bosques aleatorios, Gradient boosting, K-means y DBSCAN. Está diseñada para interoperar con las bibliotecas numéricas y científicas NumPy y SciPy.