API design for machine learning software: experiences from the scikit-learn project
University of Amsterdam（阿姆斯特丹大学）；University of Liège（列日大学）；Kobe University（神户大学）；INRIA Saclay（法国国家信息与自动化研究所萨克莱分所）；University of Bonn（波恩大学）；University of Bucharest（布加勒斯特大学）；Ciuvo GmbH（Ciuvo有限公司）；Institut Mines-Telecom（矿业电信研究所）；Telecom ParisTech（巴黎高等电信学院）；CNRS LTCI（法国国家科学研究中心信息处理与通信实验室）；University of Ballarat（巴拉瑞特大学）；University of Washington（华盛顿大学）；Samsung Electronics Research Institute（三星电子研究院）
Scikit-learn是一种越来越受欢迎的机器学习语言。它是用Python编写的，设计简单高效，非专家也可以访问，并在各种上下文中可重用。在本文中，我们提出并讨论了我们的设计选择的应用程序编程接口（API）的项目。特别是，我们描述了简单而优雅的接口共享的所有学习和处理单元在图书馆，然后讨论其组成和可重用性方面的优势。本文还对Python生态系统的具体实现细节进行了评论，并分析了该库的用户和开发人员所面临的障碍。
2013-09-01 cs.LG cs.MS
Scikit-dimension: a Python package for intrinsic dimension estimation
Institut Curie, PSL Research University（居里研究所，PSL研究大学）；INSERM（法国国家健康与医学研究院）；CBIO-Centre for Computational Biology, Mines ParisTech, PSL Research University（计算生物学中心，巴黎高科矿业学院，PSL研究大学）；University of Leicester（莱斯特大学）；Lobachevsky University（罗巴切夫斯基大学）
本文介绍开源 Python 包 scikit-dimension，它基于 scikit-learn API 统一实现多种全局与局部本征维数估计器及数据集生成器，并通过 500 多个数据集的大规模基准测试验证其应用。
2021-09-06 cs.LG stat.ML
Imbalanced-learn: A Python Toolbox to Tackle the Curse of Imbalanced Datasets in Machine Learning
LE2I UMR6306, CNRS, Arts et Métiers, Univ. Bourgogne Franche-Comté（LE2I UMR6306，CNRS，Arts et Métiers，勃艮第-弗朗什-孔泰大学）；ViCOROB, Universitat de Girona（ViCOROB，赫罗纳大学）；ShoppeAI；University of Patras（帕特雷大学）
Imbalanced-learn是一个开源的python工具箱，旨在提供广泛的方法来处理机器学习和模式识别中经常遇到的数据集不平衡问题。实现的最先进的方法可以分为4组：（i）欠采样，（ii）过采样，（iii）过采样和欠采样的组合，以及（iv）集成学习方法。该工具箱仅依赖于numpy、scipy和scikit-learn，并在MIT许可下分发。此外，它与scikit-learn完全兼容，并且是scikit-learn-contrib支持项目的一部分。提供文档、单元测试以及集成测试以简化使用和贡献。该工具箱在GitHub上公开提供：https://github.com/scikit-learn-contrib/imbalanced-learn。
2016-09-21 cs.LG
scikit-hubness: Hubness Reduction and Approximate Neighbor Search
University of Vienna（维也纳大学）；Austrian Research Institute for Artificial Intelligence (OFAI)（奥地利人工智能研究所（OFAI））
本文介绍了scikit-hubness，这是一个用于在高维空间中进行高效最近邻搜索的Python包。中心性是维度灾难的一个方面，众所周知，它会损害各种学习任务，包括分类、聚类和可视化。scikit-hubness提供了hubness分析的算法（“我的数据是否受到hubness的影响？），hubness减少（“我们如何提高高维邻居检索？）和近似邻居搜索（“它适用于大型数据集吗？").它被集成到scikit-learn环境中，使基于Python的机器学习研究人员和实践者能够快速采用。用户将发现scikit-learn neighbors包的所有功能，以及对透明hubness减少和近似最近邻搜索的额外支持。scikit-hubness是使用几种质量评估工具和原则开发的，例如PEP 8合规性，高代码覆盖率的单元测试，在所有主要平台（Linux，MacOS，Windows）上的持续集成，以及LGTM的额外检查。源代码可以在https://github.com/VarIr/scikit-hubness上获得，并遵循BSD 3条款许可证。使用$ pip install scikit-hubness从Python包索引安装。
2019-12-02 cs.IR cs.LG stat.ML
Seglearn: A Python Package for Learning Sequences and Time Series
Sunnybrook Research Institute（桑尼布鲁克研究所）
Seglearn是一个开源的Python包，用于机器学习时间序列或使用滑动窗口分割方法的序列。该实现提供了一个灵活的管道，用于处理多变量序列和上下文数据的分类，回归和预测问题。这个软件包与scikit-learn兼容，并在scikit-learn相关项目下列出。这个包依赖于numpy、scipy和scikit-learn。Seglearn在BSD 3条款许可证下发布。文档包括详细的API描述、用户指南和示例。单元测试提供了高度的代码覆盖率。
2018-10-18 cs.LG stat.ML
metric-learn: Metric Learning Algorithms in Python
Huawei Technologies（华为技术有限公司）；Google LLC（谷歌公司）；Ant Group（蚂蚁集团）；INRIA Lille – Nord Europe（法国国家信息与自动化研究所里尔-北欧中心）
metric-learn是一个开源Python包，实现了监督和弱监督距离度量学习算法。作为scikit-learn-contrib的一部分，它提供了一个与scikit-learn兼容的统一接口，允许轻松执行交叉验证，模型选择和与其他机器学习估计器的流水线。metric-learn经过了全面测试，并在MIT许可下在PyPi上可用。
2020-07-27 cs.LG stat.ML
Machine Learning using Stata/Python
IRCrES-CNR（国家研究委员会环境与可持续经济研究所）
我们提出了两个相关的Stata模块，r_ml_stata和c_ml_stata，用于在回归和分类设置中拟合流行的机器学习（ML）方法。使用Stata 16的最新Stata/Python集成平台（sfi），这些命令通过使用贪婪搜索的K-fold交叉验证提供超参数的最佳调整。更具体地说，他们使用Python Scikit-learn API来执行交叉验证和结果/标签预测。
2021-03-03 cs.LG cs.MS stat.CO
Big Data analytics. Three use cases with R, Python and Spark
Université de Toulouse – INSA（图卢兹大学 – INSA）；Université de Toulouse – UT3（图卢兹大学 – UT3）
大数据的管理和分析系统地与Hadoop和现在的Spark框架中的数据分布式架构相关联。本文通过比较直接使用三种参考环境（R，Python Scikit-learn，Spark MLlib）在三个公共用例（字符识别，推荐电影，分类产品）上获得的性能，为统计学家介绍了这些技术。作为主要结果，似乎，如果Spark通过协同过滤（非负因子分解）非常有效地进行数据整理和推荐，那么MLlib或SparkML中的传统学习方法（逻辑斯谛回归，随机森林）的当前实现不会在集成或非分布式架构中与这些方法（R，Python Scikit-learn）的习惯使用竞争
2016-09-30 cs.LG stat.AP
GraKeL: A Graph Kernel Library in Python
UPMC Université Paris 6, Sorbonne Universités（巴黎第六大学（UPMC），索邦大学集团）；École Polytechnique（巴黎综合理工学院）；Athens University of Economics and Business（雅典经济与商业大学）
准确测量图之间的相似性的问题是在各种学科中的许多应用的核心。图核最近出现了一个很有前途的方法来解决这个问题。现在有许多内核，每一个都专注于图的不同结构方面。在这里，我们介绍了GraKeL，一个将几个图形内核统一到一个通用框架中的库。该库是用Python编写的，并遵循scikit-learn接口。它使用简单，可以与scikit-learn的模块自然结合，为图分类和聚类等任务构建完整的机器学习管道。该代码是BSD许可的，可在https://github.com/ysig/GraKeL上获得。
2020-03-23 cs.LG stat.ML
m-arcsinh: An Efficient and Reliable Function for SVM and MLP in scikit-learn
University California Irvine（加利福尼亚大学欧文分校）
本文描述了“m-arcsinh”，反双曲正弦函数（“arcsinh”）的修改（“m-”）版本。核函数和激活函数使基于机器学习（ML）的算法（如支持向量机（SVM）和多层感知器（MLP））能够以监督的方式从数据中学习。在开源Python库“scikit-learn”中实现的m-arcsinh在此分别作为SVM和MLP的高效可靠的内核和激活函数提出。讨论了scikit-learn和加州大学欧文分校（UCI）机器学习存储库中15个（N = 15）数据集上分类任务的可靠性和收敛速度的改进。实验结果表明，整体竞争力的分类性能的支持向量机和MLP，通过所提出的功能实现。此功能相比，黄金标准内核和激活函数，展示了其整体的竞争力的可靠性，无论所涉及的分类任务的复杂性。
2020-09-16 cs.CV cs.LG cs.MS
skfolio: Portfolio Optimization in Python
Ipazia SpA（Ipazia 股份公司）；Orion Finance；SKFolio Labs（SKFolio 实验室）
skfolio是一个开源Python库，与scikit-learn集成，提供统一框架和先进工具，用于投资组合优化和风险管理，促进量化金融的可复现性。
2025-07-08 cs.LG q-fin.PM
LCE: An Augmented Combination of Bagging and Boosting in Python
Inria（法国国家信息与自动化研究所）；Univ Rennes（雷恩大学）；CNRS（法国国家科学研究中心）；IRISA（法国雷恩信息与自动化系统研究所）；IUF（法国大学研究院）；PEGASE（佩加斯研究所）；INRAE（法国国家农业、食品与环境研究院）；AGROCAMPUS OUEST（西部农业校园）
本文介绍 Python 软件包 lcensemble，它实现 Local Cascade Ensemble（LCE），通过结合 Random Forest 与 XGBoost 优势及互补多样化机制提升分类和回归性能，并兼容 scikit-learn 工具链。
2023-08-15 cs.LG
DRO: A Python Library for Distributionally Robust Optimization in Machine Learning
本文介绍了dro，一个兼容scikit-learn和PyTorch的开源Python库，支持79种分布鲁棒优化方法，并通过向量化与优化近似技术实现10倍至1000倍以上的运行加速。
2026-11-03 cs.LG cs.MS cs.NA
Machine Learning for Neuroimaging with Scikit-Learn
CEA（法国原子能和替代能源委员会）；University of Bonn（波恩大学）；Imperial College London（伦敦帝国理工学院）；Institut Mines-Telecom（法国矿业-电信联盟）；Telecom ParisTech（巴黎电信学院）；CNRS LTCI（法国国家科学研究中心信息与通信技术实验室）
统计机器学习方法越来越多地用于神经成像数据分析。它们的主要优点是能够对高维数据集进行建模，例如对激活图像或静息状态时间序列进行多变量分析。监督学习通常用于解码或编码设置，以将大脑图像与行为或临床观察相关联，而无监督学习可以揭示图像集中的隐藏结构（例如静息状态功能性MRI）或在大型队列中找到子群体。通过考虑不同的功能性神经成像应用，我们说明了如何使用Python机器学习库scikit-learn来执行一些关键的分析步骤。Scikit-learn包含一个非常大的统计学习算法集，包括监督和无监督的，它对神经成像数据的应用为研究大脑提供了一个多功能的工具。
2014-12-12 cs.CV cs.LG stat.ML
Transactional Python for Durable Machine Learning: Vision, Challenges, and Feasibility
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出事务性 Python 愿景，通过非侵入式对象级监控提供持久性、原子性、可复制性和时间版本化（DART），无需修改代码，开销仅为 1.5%–15.6%。
2023-05-15 cs.DB cs.LG cs.PL
kooplearn: A Scikit-Learn Compatible Library of Algorithms for Evolution Operator Learning
CSML Unit, Italian Institute of Technology（意大利理工学院CSML单位）；CMAP, École Polytechnique（巴黎政治学院CMAP单位）；Centre Inria de l’Université Grenoble Alpes（格勒诺布尔阿尔卑斯大学INRIA中心）；Paris Dauphine University（巴黎政治学院）；Faculty of Science, University of Novi Sad（诺维萨德大学科学学院）；Dept. of Computer Science, University College London（伦敦大学学院计算机科学系）
kooplearn是一种基于scikit-learn接口的动态算子学习库，支持离散和连续时间演算子的学习与谱分解，用于动态系统分析和降阶建模。
2026-01-08 cs.LG
apsis - Framework for Automated Optimization of Machine Learning Hyper Parameters
Technische Universität München（慕尼黑工业大学）
本文提出的apsis工具包为超参数优化提供了一个灵活的框架，包括随机搜索和baidu优化器。它是用Python实现的，其架构具有对任何所需机器学习代码的适应性。它可以很容易地与常见的Python ML框架（如scikit-learn）一起使用。在MIT许可证下发布，强烈鼓励其他研究人员查看代码，贡献或提出任何建议。代码可以在github.com/FrederikDiehl/apsis上找到。
2015-03-15 cs.LG
OpenML-Python: an extensible Python API for OpenML
University of Freiburg（弗莱堡大学）；Leiden University（莱顿大学）；Eindhoven University of Technology（埃因霍温理工大学）；Microsoft（微软）；Bosch Center for Artificial Intelligence（博世人工智能中心）
OpenML是机器学习中开放科学协作的在线平台，用于共享数据集和机器学习实验结果。在本文中，我们介绍了OpenML-Python，这是一个Python客户端API，它为各种基于Python的工具打开了OpenML平台。它提供了从Python中轻松访问OpenML上的所有数据集、任务和实验的功能。它还提供了进行机器学习实验、将结果上传到OpenML以及复制存储在OpenML上的结果的功能。此外，它还带有一个scikit-learn插件和一个插件机制，可以轻松地将其他用Python编写的机器学习库集成到OpenML生态系统中。源代码和文档可在https://github.com/openml/openml-python/上获得。
2021-06-23 cs.LG stat.ML
Deep Fast Machine Learning Utils: A Python Library for Streamlined Machine Learning Prototyping
University of Jyväskylä（于韦斯屈莱大学）；Finnish Artificial Intelligence Research Network（芬兰人工智能研究网络）
针对机器学习研究应用中原型构建、特征选择等步骤耗时的问题，推出兼容主流框架的DFMLU Python库，提供模型搜索、特征选择等工具，附示例以简化ML原型开发。
2024-09-14 cs.LG
River: machine learning for streaming data in Python
University of Waikato（怀卡托大学）；Alan；University of São Paulo（圣保罗大学）；Volvo Car Corporation（沃尔沃汽车公司）；IRIT, Université Paul Sabatier（保罗·萨巴捷大学图卢兹信息学研究所）；Renault（雷诺）；Octogone Lordat, Université Jean-Jaures（让·饶勒斯大学 Octogone Lordat）；IRT Saint Exupéry（圣埃克苏佩里技术研究院）；École Polytechnique, Institut Polytechnique de Paris（巴黎理工学院巴黎综合理工学院）；Télécom Paris, Institut Polytechnique de Paris（巴黎理工学院巴黎电信学院）
River是一个用于动态数据流和持续学习的机器学习库。它为不同的流学习问题提供了多种最先进的学习方法，数据生成器/Transformers，性能指标和评估器。它是Python中两个最流行的流学习包合并的结果：Creme和scikit-multiflow。River引入了一个基于从开创性软件包中吸取的经验教训的改进架构。River的目标是成为在流数据上进行机器学习的首选库。此外，这个开源软件包将一个由从业者和研究人员组成的大型社区纳入同一保护伞之下。源代码可在https://github.com/online-ml/river上获得。
2020-12-08 cs.AI cs.LG cs.MS
DoubleML -- An Object-Oriented Implementation of Double Machine Learning in Python
University of Hamburg（汉堡大学）
DoubleML是一个开源的Python库，它为各种因果模型实现了Zhaizhukov等人（2018）的双机器学习框架。当基于机器学习方法估计干扰参数时，它包含对因果参数进行有效统计推断的功能。DoubleML的面向对象实现在模型规范方面提供了很高的灵活性，并使其易于扩展。该软件包在MIT许可下分发，并依赖于Python科学生态系统的核心库：scikit-learn、numpy、pandas、scipy、statsmodels和joblib。源代码、文档和广泛的用户指南可以在https://github.com/DoubleML/doubleml-for-py和https://docs.doubleml.org上找到。
2021-12-20 cs.LG econ.EM stat.ML
milearn: A Python Package for Multi-Instance Machine Learning
Aix Marseille University（艾克斯-马赛大学）；CNRS（法国国家科学研究中心）；Institute of Molecular and Translational Medicine, Palacky University（帕拉茨基大学分子与转化医学研究所）；Institut Universitaire de France（法国大学研究院）
milearn是一个用于多实例学习的Python库，提供统一框架支持经典和神经网络方法，适用于回归和分类任务，并优化小数据集下的模型选择。
2025-12-01 cs.LG
Deeptime: a Python library for machine learning dynamical models from time series data
Freie Universität Berlin（柏林自由大学）；University of Washington（华盛顿大学）；Princeton University（普林斯顿大学）；University of Surrey（萨里大学）；Tongji University（同济大学）
时间序列数据的生成和分析与从经济学到流体力学的许多定量领域有关。在物理科学中，诸如亚稳态和相干集、缓慢弛豫过程、集体变量主导的过渡路径或概率流的流形和通道等结构对于理解和表征系统的动力学、热力学和机械性质非常重要。Deeptime是一个通用Python库，提供各种工具来估计基于时间序列数据的动态模型，包括传统的线性学习方法，如马尔可夫状态模型（MSM），隐马尔可夫模型和Koopman模型，以及内核和深度学习方法，如VAMPnets和深度MSM。该库在很大程度上与scikit-learn兼容，为这些不同的模型提供了一系列估计类，但与scikit-learn相反，它还提供了深度模型类，例如在MSM的情况下，它提供了多种分析方法来计算有趣的热力学，动力学和动力学量，例如自由能，弛豫时间和过渡路径。该库设计为易于使用，但也易于维护和可扩展的代码。本文介绍了deeptime软件的主要特点和结构。
2021-12-11 cs.LG math-ph math.DS
A Comprehensive Guide to Combining R and Python code for Data Science, Machine Learning and Reinforcement Learning
Universidad Carlos III de Madrid（马德里卡洛斯三世大学）
本文介绍如何通过R的reticulate包结合R与Python，利用Python的机器学习库和R的统计功能，提升数据科学、机器学习和强化学习项目的开发效率。
2024-07-19 cs.LG cs.PL
MANGO: A Python Library for Parallel Hyperparameter Tuning
Arm（安谋科技）
调整机器学习算法的超参数是一项繁琐的任务，通常是手动完成的。为了实现自动化的超参数调整，最近的工作已经开始使用基于贝叶斯优化的技术。然而，为了实际上实现大规模机器学习训练管道的自动调整，现有库中仍然存在显著的差距，包括缺乏抽象、容错和灵活性以支持任何分布式计算框架上的调度。为了解决这些挑战，我们提出了Mango，一个用于并行超参数调优的Python库。Mango支持使用任何分布式调度框架，实现智能并行搜索策略，并提供丰富的抽象来定义与scikit-learn兼容的复杂超参数搜索空间。Mango在性能上与另一个广泛使用的库Hyperopt相当。Mango是开源的，目前在Arm Research的生产中使用，以提供最先进的超参数调整功能。
2020-05-22 cs.LG stat.ML
Choosing the Right Regularizer for Applied ML: Simulation Benchmarks of Popular Scikit-learn Regularization Frameworks
本研究通过134400次模拟评估了四种正则化方法在机器学习中的性能，发现当样本数与特征数比足够时，Ridge、Lasso和ElasticNet可互换，但Lasso在多重共线性和低信噪比下表现差，建议避免在高条件数和小样本情况下使用Lasso或Post-Lasso OLS。
2026-04-07 cs.LG stat.ML
CapyMOA: Efficient Machine Learning for Data Streams and Online Continual Learning in Python
Victoria University of Wellington（惠灵顿维多利亚大学）；AI Institute, University of Waikato（怀卡托大学人工智能研究所）；Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院）；University of Porto（波尔图大学）；Sorbonne Université, CNRS, LIP6（索邦大学，法国国家科学研究中心，计算机科学实验室LIP6）；University of Auckland（奥克兰大学）
CapyMOA是一个高效的Python库，用于数据流和在线持续学习，提供实时学习的结构框架，支持随时间演化的自适应模型，整合MOA、scikit-learn和PyTorch，提升动态学习挑战的解决能力。
2026-04-13 cs.LG
mvlearn: Multiview Machine Learning in Python
Johns Hopkins University（约翰斯·霍普金斯大学）；Université Paris-Saclay（巴黎萨克雷大学）；Inria（法国国家信息与自动化研究所）；University of Washington（华盛顿大学）；CNRS（法国国家科学研究中心）；École Normale Supérieure（巴黎高等师范学院）；PSL University（巴黎文理研究大学）；Columbia University（哥伦比亚大学）
随着数据越来越多地从多个不同的来源生成，多视图数据集，其中每个样本在不同的视图中具有特征，近年来已经膨胀。然而，没有一个全面的软件包可以让非专业人士轻松使用这些方法。mvlearn是一个Python库，它实现了领先的多视图机器学习方法。其简单的API与scikit-learn的API非常相似，以提高易用性。该包可以从Python包索引（PyPI）和conda包管理器安装，并在MIT开源许可证下发布。文档、详细示例和所有版本都可以在https://mvlearn.github.io/上获得。
2021-05-25 cs.LG stat.CO stat.ML
Evolution of Scikit-Learn Pipelines with Dynamic Structured Grammatical Evolution
University of Coimbra（科英布拉大学）；Universidade de Lisboa（里斯本大学）
机器学习（ML）模型的部署是一项困难且耗时的工作，包括一系列顺序且相关的任务，从数据预处理，设计和提取特征，到ML算法的选择及其参数化。考虑到功能的设计在许多情况下是针对具体问题的，因此需要领域专门知识，这项任务更具挑战性。为了克服这些限制，自动化机器学习（AutoML）方法寻求在很少或没有人为干预的情况下自动化管道的设计，即，自动选择必须应用于原始数据的方法序列。这些方法有可能使非专家用户能够使用ML，并为专家用户提供他们不太可能考虑的解决方案。特别是，本文描述了AutoML-DSGE -一种新的基于语法的框架，它使动态结构化语法进化（DSGE）适应Scikit-Learn分类管道的演变。实验结果包括将AutoML-DSGE与另一种基于语法的AutoML框架Resilient ClassificationPipeline Evolution（RECIPE）进行比较，并显示AutoML-DSGE生成的分类管道的平均性能始终优于RECIPE的平均性能;在10个使用的数据集中，有3个差异具有统计学意义。
2020-04-01 cs.LG cs.NE
MRCpy: A Library for Minimax Risk Classifiers
Basque Center for Applied Mathematics（巴斯克应用数学中心）；IKERBASQUE-Foundation for Science（伊克尔巴斯克科学基金会）
本文提出Python库MRCpy，实现了基于鲁棒风险最小化方法的minimax risk classifiers，提供性能保证、高维高效学习及分布偏移适应能力，并实现与scikit-learn等库的无缝集成。
2024-05-29 cs.LG stat.ML
Augmenting data-driven models for energy systems through feature engineering: A Python framework for feature engineering
数据驱动建模是能源系统建模的一种方法，已经越来越受欢迎。在数据驱动的建模中，正在应用诸如线性回归、神经网络或基于决策树的方法的机器学习方法。虽然这些方法不需要领域知识，但它们对数据质量很敏感。因此，提高数据集中的数据质量对于创建基于机器学习的模型是有益的。数据质量的提高可以通过预处理方法来实现。预处理的一种选择是特征工程，它专注于评估和提高数据集中某些特征的质量。特征工程方法包括特征创建、特征扩展或特征选择等方法。在这项工作中，一个Python框架，包含不同的功能工程方法。该框架包含不同的方法，用于特征创建，扩展和选择;此外，还实现了转换或过滤数据的方法。该框架的实现基于Python库scikit-learn。该框架的案例研究表明，从能源需求预测的用例。创建包括所选特征工程方法的数据驱动模型。结果表明，通过工程设计的功能，预测精度有所提高。
2023-01-04 cs.LG
ml_edm package: a Python toolkit for Machine Learning based Early Decision Making
Orange（奥兰治公司）；AgroParisTech（巴黎农艺学院）
ml_edm 是一个 Python 3 库，专为时间/序列数据的早期决策制定设计，提供模块化触发策略实现，集成多种 ECTS 先进算法，兼容 scikit-learn 语法，支持并行计算。
2024-08-23 cs.LG
Deepchecks: A Library for Testing and Validating Machine Learning Models and Data
Deepchecks Ltd.（Deepchecks有限公司）；Ben-Gurion University of the Negev（内盖夫本-古里安大学）
本文介绍了Deepchecks，这是一个用于全面验证机器学习模型和数据的Python库。我们的目标是提供一个易于使用的库，其中包含与各种类型问题相关的许多检查，例如模型预测性能，数据完整性，数据分布不匹配等。该软件包在GNU Affero通用公共许可证（AGPL）下分发，并依赖于科学Python生态系统的核心库：scikit-learn，PyTorch，NumPy，pandas和SciPy。可以在\url{https://github.com/deepchecks/deepchecks}和\url{https://docs.deepchecks.com/}上找到源代码、文档、示例和广泛的用户指南。
2022-03-16 cs.LG cs.SE
sQUlearn -- A Python Library for Quantum Machine Learning
Fraunhofer Institute for Manufacturing Engineering and Automation IPA（弗劳恩霍夫制造工程与自动化研究所）
本文介绍面向 NISQ 的 QML Python 库 sQUlearn，其双层架构整合量子核方法、量子神经网络、自动化执行与框架切换，以衔接量子计算能力和实际机器学习应用。
2024-04-19 cs.LG quant-ph
mlpy: Machine Learning Python
Fondazione Bruno Kessler（布鲁诺·凯斯勒基金会）；University of Trento（特伦托大学）
mlpy是一个Python开源机器学习库，构建在NumPy/SciPy和GNU Scientific Libraries之上。MLPy为监督和非监督问题提供了广泛的最先进的机器学习方法，并且其目的是在模块化、可维护性、可再现性、可用性和效率之间找到合理的折衷。mlpy是多平台的，它与Python 2和3一起工作，它在网站http://mlpy.fbk.eu上根据GPL 3分发。
2012-03-01 cs.LG cs.MS stat.ML
Combining Machine Learning Models using combo Library
Carnegie Mellon University（卡内基梅隆大学）
模型组合作为集成学习的一个重要分支，在学术研究和工业应用中得到了广泛的应用。为了促进这一过程，我们提出并实现了一个易于使用的Python工具包combo，以在各种场景下聚合模型和分数，包括分类，聚类和异常检测。简而言之，combo提供了一种统一一致的方式来组合来自流行机器学习库的原始模型和预训练模型，例如，scikit-learn、XGBoost和LightGBM。考虑到可访问性和健壮性，combo设计了详细的文档，交互式示例，持续集成，代码覆盖率和可维护性检查;它可以通过Python包索引（PyPI）或https://github.com/yzhao062/combo轻松安装。
2019-11-23 cs.IR cs.LG stat.ML
Geomstats: A Python Package for Riemannian Geometry in Machine Learning
Inria（法国国家信息与自动化研究所）
我们介绍Geomstats，一个开源Python工具箱，用于非线性流形的计算和统计，例如双曲空间，对称正定矩阵空间，变换李群等等。我们提供面向对象和广泛的单元测试的实现。其中，流形配备了黎曼度量的家庭，与相关的指数和对数映射，测地线和平行运输。统计学和学习算法为流形上的估计、聚类和降维提供了方法。所有相关的操作都是矢量化的，用于批量计算，并为不同的执行后端提供支持，即NumPy，PyTorch和TensorFlow，从而实现GPU加速。本文介绍了该软件包，并将其与相关库进行了比较，并提供了相关的代码示例。我们表明，Geomstats提供了可靠的构建块，以促进微分几何和统计学的研究，并在机器学习应用程序中民主化黎曼几何的使用。源代码可以在\url{geomstats.ai}的MIT许可下免费获得。
2020-04-07 cs.LG cs.MS
Efficient and Accurate In-Database Machine Learning with SQL Code Generation in Python
Hochschule Luzern（卢塞恩应用科学与艺术大学）
分析了基于SQL的机器学习（ML）的优点，并对该领域进行了简短的文献综述，提出了一种新的数据库内机器学习（IDBML）方法。我们贡献了一个在Python中使用Jinja 2中的模板宏生成SQL-代码生成的过程以及该过程的原型实现。我们描述了我们在SQL中计算多维直方图（MDH）概率估计的过程的实现。为此，我们贡献并实现了一种新的离散化方法，称为等量化秩分仓（EQRB）和等宽分仓（EWB）。在此基础上，我们提供了在基准测试实验中收集的数据，用于使用Covertype数据集对我们的方法和系统进行定量实证评估。我们测量了准确性和计算时间，并将其与Scikit Learn最先进的分类算法进行了比较。使用EWB，我们的多维概率估计是所有测试算法中最快的，而准确度仅比最先进的方法（决策树和随机森林）低1-2%。我们的方法比朴素贝叶斯更准确，朴素贝叶斯假设独立的一维概率和/或密度。此外，我们的方法比逻辑回归更准确，更快。这激发了对准确性改进和针对大数据和大于内存的数据集的具有SQL代码生成的IDBML的进一步研究。
2021-05-31 cs.DB cs.LG
aeon: a Python toolkit for learning from time series
University of Southampton（南安普顿大学）；Université de Haute-Alsace（上阿尔萨斯大学）；ENSTA Paris（巴黎国立高等先进技术学院）；University of East Anglia（东英吉利大学）；University of Córdoba（科尔多瓦大学）；Humboldt-Universität zu Berlin（柏林洪堡大学）
本研究介绍了统一的Python 3时间序列机器学习库aeon，覆盖多类任务与工具，遵循scikit-learn API，通过可选依赖整合多类包，核心依赖精简，已迭代至v0.9.0版本。
2024-06-20 cs.LG
geomstats: a Python Package for Riemannian Geometry in Machine Learning
Stanford University（斯坦福大学）；Froglabs AI（Froglabs人工智能公司）；Inria Sophia-Antipolis（法国国家信息与自动化研究所索菲亚-安蒂波利斯分院）
我们将介绍geomstats，这是一个Python软件包，可以在超球面、双曲空间、对称正定矩阵空间和变换李群等流形上执行计算。我们提供了这些流形的有效和广泛的单元测试实现，以及有用的黎曼度量和相关的指数和对数映射。相应的测地线距离提供了一系列机器学习损失函数的直观选择。我们也给出了相应的黎曼梯度。geomstats中实现的操作可用于不同的计算后端，如numpy，tensorflow和keras。我们已经启用了GPU实现，并将geomstats流形计算集成到keras深度学习框架中。本文还介绍了机器学习中流形的回顾和geomstats包的概述，并举例说明其用于高效和用户友好的黎曼几何。
2018-11-06 cs.LG cs.MS stat.ML
sktime: A Unified Interface for Machine Learning with Time Series
The Alan Turing Institute（艾伦·图灵研究所）；University of East Anglia（东英吉利大学）；University College London（伦敦大学学院）
我们介绍sktime -一个新的scikit-learn兼容Python库，具有统一的接口，用于时间序列的机器学习。时间序列数据产生了各种不同但密切相关的学习任务，例如预测和时间序列分类，其中许多可以通过将其简化为相关的简单任务来解决。我们讨论了创建统一接口的主要理由，包括减少，以及sktime的核心API的设计，由常见的时间序列任务和减少方法的清晰概述支持。
2019-09-17 cs.LG stat.ML
TuiML: Machine Learning for AI Agents
AI Institute, University of Waikato（怀卡托大学人工智能研究所）；LTCI, Télécom Paris, Institut Polytechnique de Paris（巴黎高等电信学校LTCI实验室，巴黎综合理工学院）
TuiML是一个为AI智能体设计的自包含机器学习库，通过机器可读元数据和验证工作流，使智能体能自主搜索、组合和扩展算法，同时保持与scikit-learn和Weka相当的预测性能。
2026-09-17 cs.AI cs.LG
TF.Learn: TensorFlow's High-level Module for Distributed Machine Learning
Uptake Technologies, Inc.（Uptake技术公司）
TF.Learn是TensorFlow中用于分布式机器学习的高级Python模块。它提供了一个易于使用的Scikit-learn风格的界面，可以简化创建、配置、训练、评估和实验机器学习模型的过程。TF.Learn集成了广泛的最先进的机器学习算法，这些算法构建在TensorFlow的低级API之上，可用于小规模到大规模的监督和无监督问题。本模块的重点是将机器学习带给使用通用高级语言的非专业人员，以及希望在结构化环境中实施，基准测试和比较他们的新方法的研究人员。重点放在易用性、性能、文档和API一致性上。
2016-12-13 cs.DC cs.LG
Frouros: A Python library for drift detection in machine learning systems
Instituto de Física de Cantabria (IFCA), CSIC-UC（坎塔布里亚物理研究所（IFCA），西班牙国家研究委员会-坎塔布里亚大学）
本文介绍开源 Python 库 Frouros，它集成经典与新型概念漂移及数据漂移算法，具备框架兼容性、易适配性、可维护性和可扩展性。
2023-07-23 cs.LG
A Library for Representing Python Programs as Graphs for Machine Learning
Google Research（谷歌研究院）；Carnegie Mellon University（卡内基梅隆大学）
程序的图形表示通常是用于代码研究的机器学习的核心元素。我们介绍了一个开源Python库python_graphs，它应用静态分析来构建适合于训练机器学习模型的Python程序的图表示。我们的库允许构建控制流图、数据流图和组合“程序图”，这些图结合了关于程序的控制流、数据流、语法和词汇信息。我们提出的功能和限制的图书馆，执行一个案例研究，将图书馆数百万的竞争性编程提交，并展示图书馆的效用机器学习研究。
2022-08-15 cs.LG cs.PL cs.SE
CausalML: Python Package for Causal Machine Learning
Uber Technologies Inc.（优步技术公司）
Causal ML是与因果推理和机器学习相关的算法的Python实现。结合因果推理和机器学习的算法近年来一直是一个热门话题。这个包试图通过在Python中提供该领域的方法集合来弥合方法论理论工作和实际应用之间的差距。本文介绍了该包的关键概念、范围和用例。
2020-03-02 cs.CY cs.LG stat.CO
Machine Learning in Python: Main developments and technology trends in data science, machine learning, and artificial intelligence
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；NVIDIA（英伟达）；University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
更智能的应用程序正在更好地利用从数据中收集的见解，对每个行业和研究学科产生影响。这场革命的核心在于推动它的工具和方法，从处理每天产生的大量数据到学习和采取有用的行动。深度神经网络，以及经典ML和可扩展通用GPU计算的进步，已成为人工智能的关键组成部分，实现了许多令人震惊的突破，并降低了采用的门槛。Python仍然是科学计算、数据科学和机器学习的首选语言，通过使用低级库和干净的高级API来提高性能和生产力。本调查提供了对使用Python进行机器学习领域的深入了解，通过重要主题进行了一次旅行，以确定实现它的一些核心硬件和软件范例。我们涵盖了广泛使用的库和概念，收集在一起进行整体比较，旨在教育读者并推动Python机器学习领域向前发展。
2020-03-31 cs.LG stat.ML
PyGALAX: An Open-Source Python Toolkit for Advanced Explainable Geospatial Machine Learning
Texas State University（德克萨斯州立大学）；Pacific Northwest National Laboratory（太平洋西北国家实验室）
PyGALAX通过整合AutoML和XAI技术，提供了一个用于高级可解释地理空间机器学习的开源Python工具包，解决了空间非平稳性问题。
2026-01-31 cs.LG
TensorFlow Eager: A Multi-Stage, Python-Embedded DSL for Machine Learning
Google Brain（谷歌大脑）
TensorFlow Eager是一种多阶段的Python嵌入式领域特定语言，用于硬件加速的机器学习，适用于交互式研究和生产。TensorFlow Eager扩展的TensorFlow要求用户将计算表示为递归图;这允许编译器优化并简化部署，但阻碍了快速原型和运行时动态性。TensorFlow Eager消除了这些可用性成本，同时又不牺牲图形带来的好处：它为TensorFlow提供了一个命令式前端，可以立即执行操作，并提供了一个JIT跟踪器，可以将由TensorFlow操作组成的Python函数转换为可执行的递归图。因此，TensorFlow Eager提供了一个多阶段编程模型，可以在单个包中轻松地在命令式执行和分段执行之间进行插值。
2019-02-27 cs.LG cs.PL
AdversariaLib: An Open-source Library for the Security Evaluation of Machine Learning Algorithms Under Attack
University of Cagliari（卡利亚里大学）
我们提出了AdversariaLib，一个开源的Python库，用于机器学习（ML）对精心定位的攻击的安全评估。它支持迄今为止在对抗学习文献中提出的几种攻击的实现，允许评估各种ML算法，在多个平台上运行，并启用多处理。该库具有模块化架构，易于使用，并通过实施新颖的攻击和对策进行扩展。它依赖于其他广泛使用的开源ML库，包括scikit-learn和FANN。分类算法在C/C ++中实现和优化，允许对模拟攻击进行快速评估。该软件包在GNU通用公共许可证v3下分发，可以在www.example.com下载。
2016-11-15 cs.CR cs.LG
Model Share AI: An Integrated Toolkit for Collaborative Machine Learning Model Development, Provenance Tracking, and Deployment in Python
Columbia University（哥伦比亚大学）；Modelshare AI
本文提出 Model Share AI（AIMS）MLOps 平台，集成协作开发、基于未见数据的性能排名、元数据溯源跟踪，以及多框架模型到 REST API 和 Web 应用的低代码部署。
2023-09-27 cs.AI cs.LG cs.SE
ManyTypes4Py: A Benchmark Python Dataset for Machine Learning-based Type Inference
Delft University of Technology（代尔夫特理工大学）
在本文中，我们介绍了ManyTypes4Py，这是一个用于基于机器学习（ML）的类型推断的大型Python数据集。该数据集总共包含5，382个Python项目，其类型注释超过869K。删除了重复的源代码文件，以消除重复偏差的负面影响。为了方便ML模型的训练和评估，数据集通过文件分为训练集、验证集和测试集。为了从抽象语法树（AST）中提取类型信息，开发了一个轻量级的静态分析器管道，并与数据集一起使用。使用此管道，分析收集的Python项目，并将AST分析的结果存储在JSON格式的文件中。ManyTypes4Py数据集在zenodo上共享，其工具在GitHub上公开提供。
2021-04-10 cs.LG cs.PL cs.SE
WAX-ML: A Python library for machine learning and feedback loops on streaming data
Capital Fund Management（资本基金管理公司）
蜡是你放在冲浪板上防止滑倒的东西。这是一个必不可少的工具去冲浪.我们介绍了WAX-ML，一个面向研究的Python库，提供了设计强大的机器学习算法和流数据反馈循环的工具。它努力用专用于时间序列的工具来补充JAX。WAX-ML使基于JAX的程序易于使用，最终用户可以使用pandas和xarray进行数据操作。它提供了一种简单的机制来实现反馈循环，允许使用函数实现在线学习和强化学习算法，并使最终用户可以轻松地使用Gym库中的面向对象的强化学习框架进行集成。它在GitHub上以Apache开源许可证发布，网址为https://github.com/eserie/wax-ml。
2021-06-11 cs.CL cs.LG
dagger: A Python Framework for Reproducible Machine Learning Experiment Orchestration
Facebook AI Research（脸书人工智能研究院）；Brown University（布朗大学）
机器学习的许多研究方向，特别是在深度学习中，涉及复杂的多阶段实验，通常涉及沿着多个执行路径作用于模型的状态突变操作。虽然机器学习框架提供了清晰的接口来定义模型架构和无分支的流程，但研究人员通常需要跟踪实验起源，即导致最终模型配置并导致多阶段实验的状态树。最初出于分析再现性的背景下，神经网络修剪研究，多阶段的实验管道是常见的，我们提出匕首，一个框架，以促进可重复和可重用的实验编排。我们描述了框架的设计原则和示例使用。
2020-06-12 cs.LG cs.SE
