相关项目#
鼓励实现 scikit-learn 估计器 API 的项目使用 scikit-learn-contrib 模板，该模板有助于测试和记录估计器的最佳实践。 scikit-learn-contrib GitHub 组织 还接受符合此模板的存储库的高质量贡献。
以下是姊妹项目、扩展和特定领域包的列表。
互操作性和框架增强#
这些工具使 scikit-learn 适应与其他技术一起使用，或者以其他方式增强 scikit-learn 估计器的功能。
数据格式
sklearn_pandas 用于 scikit-learn 管道和 pandas 数据帧的桥梁，具有专用的转换器。
sklearn_xarray 提供了 scikit-learn 估计器与 xarray 数据结构的兼容性。
自动机器学习
auto-sklearn 一个自动机器学习工具包，可以替代 scikit-learn 估计器。
autoviml 使用一行代码自动构建多个机器学习模型。旨在作为一种更快的使用 scikit-learn 模型的方法，无需预处理数据。
TPOT 一个自动机器学习工具包，它优化一系列 scikit-learn 运算符来设计机器学习管道，包括数据和特征预处理器以及估计器。可以替代 scikit-learn 估计器。
Featuretools 一个用于执行自动特征工程的框架。它可以用于将时间和关系数据集转换为用于机器学习的特征矩阵。
Neuraxle 一个用于构建简洁管道的库，提供正确的抽象来简化机器学习应用程序的研究、开发和部署。与深度学习框架和 scikit-learn API 兼容，它可以流式传输小批量数据，使用数据检查点，构建奇特的管道，并使用自定义的每步保存器序列化模型。
EvalML EvalML 是一个自动机器学习库，它使用特定于领域的客观函数构建、优化和评估机器学习管道。它在一个 API 下整合了多个建模库，EvalML 创建的对象使用与 sklearn 兼容的 API。
实验和模型注册框架
MLFlow MLflow 是一个开源平台，用于管理 ML 生命周期，包括实验、可重复性、部署和中央模型注册表。
Neptune 用于 MLOps 的元数据存储，专为运行大量实验的团队而构建。它为您提供了一个单一位置来记录、存储、显示、组织、比较和查询所有模型构建元数据。
Sacred 帮助您配置、组织、记录和重现实验的工具
Scikit-Learn 实验室 一个围绕 scikit-learn 的命令行包装器，使使用多个学习器和大型特征集运行机器学习实验变得容易。
模型检查和可视化
dtreeviz 一个用于决策树可视化和模型解释的 Python 库。
eli5 一个用于调试/检查机器学习模型并解释其预测的库。
sklearn-evaluation 简化机器学习模型评估：图表、表格、HTML 报告、实验跟踪和 Jupyter Notebook 分析。可视化分析、模型选择、评估和诊断。
yellowbrick 一套用于 scikit-learn 估计器的自定义 matplotlib 可视化器，用于支持可视化特征分析、模型选择、评估和诊断。
模型选择
scikit-optimize 一个用于最小化（非常）昂贵且嘈杂的黑盒函数的库。它实现了多种用于基于模型的顺序优化的方法，包括
GridSearchCV或RandomizedSearchCV的替代方案，以使用任何这些策略进行交叉验证参数搜索。sklearn-deap 在 scikit-learn 中使用进化算法而不是网格搜索。
用于生产的模型导出
sklearn-onnx 将许多 Scikit-learn 管道序列化为 ONNX 以进行交换和预测。
skops.io 比 pickle 更安全的持久化模型，可以在大多数常见情况下替代 pickle。
sklearn2pmml 在 JPMML-SkLearn 库的帮助下，将各种 scikit-learn 估计器和转换器序列化为 PMML。
sklearn-porter 将训练好的 scikit-learn 模型转换为 C、Java、Javascript 等语言。
m2cgen 一个轻量级库，允许将训练好的机器学习模型（包括许多 scikit-learn 估计器）转换为 C、Java、Go、R、PHP、Dart、Haskell、Rust 和许多其他编程语言的本机代码。
treelite 将基于树的集成模型编译为 C 代码，以最大限度地减少预测延迟。
micromlgen MicroML 将机器学习算法引入微控制器。通过将它们转换为 C 代码来支持多种 scikit-learn 分类器。
emlearn 在 C99 中实现 scikit-learn 估计器，用于嵌入式设备和微控制器。支持多种分类器、回归和异常检测模型。
模型吞吐量
Intel(R) 扩展 for scikit-learn 主要针对高端 Intel(R) 硬件，在某些情况下加速了某些 scikit-learn 模型的训练和推理。该项目由 Intel(R) 维护，scikit-learn 的维护者不参与该项目的开发。还要注意，在某些情况下，使用
scikit-learn-intelex下的工具和估计器会产生与scikit-learn本身不同的结果。如果您在使用该项目时遇到问题，请确保在各自的存储库中报告潜在问题。
其他估计器和任务#
并非所有内容都属于或成熟到足以进入中央 scikit-learn 项目。以下是提供类似于 scikit-learn 的接口的项目，用于其他学习算法、基础设施和任务。
时间序列和预测
Darts Darts 是一个 Python 库，用于对时间序列进行用户友好的预测和异常检测。它包含各种模型，从经典的 ARIMA 到深度神经网络。所有预测模型都可以以相同的方式使用，使用与 scikit-learn 类似的 fit() 和 predict() 函数。
sktime 一个与 scikit-learn 兼容的工具箱，用于机器学习时间序列，包括时间序列分类/回归和（监督/面板）预测。
skforecast 一个 Python 库，简化了将 scikit-learn 回归器用作多步预测器。它还可以与任何与 scikit-learn API 兼容的回归器一起使用。
tslearn 一个用于时间序列的机器学习库，提供用于预处理和特征提取的工具，以及用于聚类、分类和回归的专用模型。
梯度（树）提升
注意 scikit-learn 自己的现代梯度提升估计器 HistGradientBoostingClassifier 和 HistGradientBoostingRegressor.
结构化学习
HMMLearn 隐藏马尔可夫模型的实现，以前是 scikit-learn 的一部分。
PyStruct 通用条件随机场和结构化预测。
pomegranate Python 的概率建模，重点是隐藏马尔可夫模型。
sklearn-crfsuite 线性链条件随机场 (CRFsuite 具有类似 sklearn 的 API 的包装器)。
深度神经网络等
skorch 一个与 scikit-learn 兼容的神经网络库，它包装了 PyTorch。
scikeras 提供了围绕 Keras 的包装器，以将其与 scikit-learn 连接。SciKeras 是
tf.keras.wrappers.scikit_learn的继任者。
联邦学习
Flower 一个友好的联邦学习框架，采用统一的方法，可以联合任何工作负载、任何 ML 框架和任何编程语言。
隐私保护机器学习
Concrete ML 一个基于 Concrete 构建的隐私保护 ML 框架，通过完全同态加密与传统 ML 框架绑定。所谓的 Concrete ML 内置模型的 API 非常接近 scikit-learn API。
广泛范围
mlxtend 包含许多额外的估计器以及模型可视化实用程序。
scikit-lego 一些与 scikit-learn 兼容的自定义转换器、模型和指标，重点是解决实际的行业任务。
其他回归和分类
ML-Ensemble 广义集成学习（堆叠、混合、子集成、深度集成等）。
lightning 快速最先进的线性模型求解器（SDCA、AdaGrad、SVRG、SAG 等）。
py-earth 多元自适应回归样条
gplearn 用于符号回归任务的遗传编程。
scikit-multilearn 多标签分类，重点是标签空间操作。
seglearn 使用滑动窗口分割进行时间序列和序列学习。
fastFM 与 scikit-learn 兼容的快速分解机实现。
分解和聚类
lda: 使用 吉布斯采样 从真实后验分布中采样的 Cython 中潜在狄利克雷分配的快速实现。（scikit-learn 的
LatentDirichletAllocation实现使用 变分推断 从主题模型后验分布的可处理近似中采样。）kmodes 用于分类数据的 k-modes 聚类算法及其变体。
hdbscan 用于鲁棒可变密度聚类的 HDBSCAN 和鲁棒单链接聚类算法。从 scikit-learn 版本 1.3.0 开始，有
HDBSCAN.spherecluster 用于单位超球面上的数据的球形 K 均值和冯·米塞斯·费舍尔混合聚类例程。
预处理
categorical-encoding sklearn 兼容的分类变量编码器库。从 scikit-learn 版本 1.3.0 开始，有
TargetEncoder.imbalanced-learn 用于对数据集进行欠采样和过采样的各种方法。
Feature-engine sklearn 兼容的转换器库，用于缺失数据插补、分类编码、变量转换、离散化、异常值处理等等。Feature-engine 允许将预处理步骤应用于选定的变量组，并且与 Scikit-learn Pipeline 完全兼容。
拓扑数据分析
giotto-tda 用于 拓扑数据分析 的库，旨在提供与 scikit-learn 兼容的 API。它提供将数据输入（点云、图、时间序列、图像）转换为适合计算拓扑摘要的形式的工具，以及专门用于提取来自拓扑来源的标量特征集的组件，这些特征可以与 scikit-learn 中的其他特征提取方法一起使用。
使用 Python 进行统计学习#
其他对数据分析和机器学习有用的包。
Pandas 用于处理异构和列式数据、关系查询、时间序列和基本统计信息的工具。
statsmodels 估计和分析统计模型。比 scikit-learn 更侧重于统计检验，而不是预测。
PyMC 贝叶斯统计模型和拟合算法。
Seaborn 基于 matplotlib 的可视化库。它提供了一个高级接口，用于绘制有吸引力的统计图形。
scikit-survival 一个库，实现模型以从删失时间事件数据（也称为生存分析）中学习。模型与 scikit-learn 完全兼容。
推荐引擎包#
implicit，用于隐式反馈数据集的库。
lightfm 混合推荐系统的 Python/Cython 实现。
OpenRec 基于 TensorFlow 的受神经网络启发的推荐算法。
Surprise Lib 用于显式反馈数据集的库。
特定领域包#
scikit-network 图上的机器学习。
scikit-image Python 中的图像处理和计算机视觉。
自然语言工具包 (nltk) 自然语言处理和一些机器学习。
gensim 用于主题建模、文档索引和相似性检索的库。
NiLearn 用于神经影像的机器学习。
AstroML 用于天文学的机器学习。
scikit-learn 文档的翻译#
翻译的目的是便于以英语以外的语言阅读和理解。其目的是帮助那些不理解英语或对英语解释有疑问的人。此外，有些人更喜欢用自己的母语阅读文档，但请记住，唯一官方的文档是英文文档 [1].
这些翻译工作是社区倡议，我们无法控制它们。如果您想为翻译做出贡献或报告翻译问题，请联系翻译的作者。这里链接了一些可用的翻译，以提高它们的传播并促进社区努力。
脚注