相关项目#

鼓励实现 scikit-learn 估计器 API 的项目使用 scikit-learn-contrib 模板，它有助于测试和文档化估计器的最佳实践。scikit-learn-contrib GitHub 组织也接受符合此模板的高质量仓库贡献。

下面是姐妹项目、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，或以其他方式增强 scikit-learn 估计器的功能。

自动机器学习

auto-sklearn 一个自动化机器学习工具包，是 scikit-learn 估计器的直接替代品
autoviml 仅用一行代码自动构建多个机器学习模型。旨在提供一种更快的方式来使用 scikit-learn 模型，而无需预处理数据。
TPOT 一个自动化机器学习工具包，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。可作为 scikit-learn 估计器的直接替代品。
Featuretools 一个用于执行自动化特征工程的框架。可用于将时序和关系数据集转换为用于机器学习的特征矩阵。
EvalML 一个 AutoML 库，使用领域特定的目标函数构建、优化和评估机器学习管道。它将多个建模库整合到一个 API 下，并且 EvalML 创建的对象使用与 sklearn 兼容的 API。
MLJAR AutoML 一个用于表格数据 AutoML 的 Python 包，包含特征工程、超参数调优、解释和自动化文档。

实验和模型注册框架

MLFlow 一个开源平台，用于管理机器学习生命周期，包括实验、可复现性、部署和中央模型注册。
Neptune 一个用于 MLOps 的元数据存储，专为运行大量实验的团队构建。它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 一个帮助您配置、组织、记录和复现实验的工具
Scikit-Learn Laboratory 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。
model-diagnostics 用于（机器学习）模型诊断和评估的工具（使用 Python）。
sklearn-evaluation 机器学习模型评估变得简单：图表、表格、HTML 报告、实验跟踪和 Jupyter Notebook 分析。视觉分析、模型选择、评估和诊断。
yellowbrick 一个自定义 matplotlib 可视化器套件，用于 scikit-learn 估计器，支持视觉特征分析、模型选择、评估和诊断。

生产模型导出

sklearn-onnx 将许多 Scikit-learn 管道序列化为 ONNX 以进行交换和预测。
skops.io 一种比 pickle 更安全的持久化模型，在大多数常见情况下可以替代 pickle 使用。
sklearn2pmml 借助 JPMML-SkLearn 库，将各种 scikit-learn 估计器和转换器序列化为 PMML。
treelite 将基于树的集成模型编译成 C 代码，以最大限度地减少预测延迟。
emlearn 用 C99 为嵌入式设备和微控制器实现 scikit-learn 估计器。支持多种分类器、回归和异常检测模型。

模型吞吐量

Intel(R) Extension for scikit-learn 主要在高端 Intel(R) 硬件上，在某些情况下加速某些 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。另请注意，在某些情况下，使用 scikit-learn-intelex 下的工具和估计器可能会给出与 scikit-learn 本身不同的结果。如果您在使用此项目时遇到问题，请确保在他们各自的仓库中报告潜在问题。

与 R 的基因组应用接口

BiocSklearn 展示了少量降维设施，作为与 R 接口的 basilisk 协议的示例。旨在作为更完整互操作的跳板。

其他估计器和任务#

并非所有内容都属于或足够成熟，可用于核心 scikit-learn 项目。以下项目为额外的学习算法、基础设施和任务提供了类似于 scikit-learn 的接口。

时间序列和预测

aeon 一个与 scikit-learn 兼容的时间序列机器学习工具箱（sktime 的分支）。
Darts 一个用于时间序列友好预测和异常检测的 Python 库。它包含各种模型，从 ARIMA 等经典模型到深度神经网络。所有预测模型都可以以相同的方式使用，即使用 fit() 和 predict() 函数，类似于 scikit-learn。
sktime 一个与 scikit-learn 兼容的时间序列机器学习工具箱，包括时间序列分类/回归和（监督/面板）预测。
skforecast 一个 Python 库，可简化使用 scikit-learn 回归器作为多步预测器。它也适用于任何与 scikit-learn API 兼容的回归器。
tslearn 一个用于时间序列的机器学习库，提供预处理和特征提取工具以及用于聚类、分类和回归的专用模型。

梯度（树）提升

请注意 scikit-learn 自己的现代梯度提升估计器 HistGradientBoostingClassifier 和 HistGradientBoostingRegressor。

XGBoost XGBoost 是一个优化的分布式梯度提升库，旨在实现高效率、灵活性和可移植性。
LightGBM LightGBM 是一个使用基于树的学习算法的梯度提升框架。它被设计为分布式和高效的。

结构化学习

HMMLearn 隐马尔可夫模型的实现，此前是 scikit-learn 的一部分。
pomegranate 用于 Python 的概率建模，重点是隐马尔可夫模型。

深度神经网络等

skorch 一个与 scikit-learn 兼容的神经网络库，封装了 PyTorch。
scikeras 提供了一个 Keras 的包装器，用于将其与 scikit-learn 连接。SciKeras 是 tf.keras.wrappers.scikit_learn 的后续版本。

联邦学习

Flower 一个友好的联邦学习框架，采用统一方法，可以联邦任何工作负载、任何机器学习框架和任何编程语言。

隐私保护机器学习

Concrete ML 一个基于 Concrete 构建的隐私保护机器学习框架，通过全同态加密与传统机器学习框架绑定。Concrete ML 内置模型的 API 与 scikit-learn API 非常接近。

广域

mlxtend 包含许多额外的估计器以及模型可视化实用程序。
scikit-lego 许多与 scikit-learn 兼容的自定义转换器、模型和指标，专注于解决实际行业任务。

其他回归和分类

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。

分解和聚类

lda: 使用 Gibbs 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的后验分布的可处理近似中采样。）
kmodes 用于分类数据的 k-modes 聚类算法及其多种变体。
hdbscan HDBSCAN 和鲁棒单连接聚类算法，用于鲁棒可变密度聚类。从 scikit-learn 版本 1.3.0 开始，提供了 HDBSCAN。

预处理

categorical-encoding 一个与 sklearn 兼容的分类变量编码器库。从 scikit-learn 版本 1.3.0 开始，提供了 TargetEncoder。
skrub: 促进数据帧学习，包括与 sklearn 兼容的编码器（类别、日期、字符串）等。
imbalanced-learn 用于对数据集进行欠采样和过采样的各种方法。
Feature-engine 一个 sklearn 兼容的转换器库，用于缺失数据填充、分类编码、变量转换、离散化、异常值处理等。Feature-engine 允许将预处理步骤应用于选定的变量组，并且与 Scikit-learn 管道完全兼容。

拓扑数据分析

giotto-tda 一个用于拓扑数据分析的库，旨在提供与 scikit-learn 兼容的 API。它提供了将数据输入（点云、图、时间序列、图像）转换为适合拓扑摘要计算的形式的工具，以及专门用于提取拓扑来源标量特征集的组件，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软件包。

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的工具。
statsmodels 估计和分析统计模型。比 scikit-learn 更侧重于统计检验，更少关注预测。
PyMC 贝叶斯统计模型和拟合算法。
Seaborn 一个基于 matplotlib 的可视化库。它提供了一个高级接口，用于绘制美观的统计图形。
scikit-survival 一个实现从截尾时序事件数据（也称为生存分析）学习的模型的库。模型与 scikit-learn 完全兼容。

特定领域软件包#

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 一个用于主题建模、文档索引和相似性检索的库
NiLearn 神经影像的机器学习。
AstroML 天文学机器学习。

scikit-learn 文档翻译#

翻译的目的是方便非英语读者阅读和理解。其目的是帮助不理解英语或对其解释有疑问的人。此外，有些人喜欢阅读母语文档，但请记住，唯一的官方文档是英文文档 [1]。

这些翻译工作是社区倡议，我们无法控制它们。如果您想贡献或报告翻译问题，请联系翻译作者。此处链接了一些可用的翻译，以提高其传播并促进社区努力。

脚注