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
Scikit-Multiflow: A Multi-output Streaming Framework
Télécom ParisTech（巴黎高等电信学院）；Université Paris-Saclay（巴黎-萨克雷大学）；École Polytechnique（巴黎综合理工学院）；CNRS（法国国家科学研究中心）；National University of Singapore（新加坡国立大学）
Scikit-multiflow是Python程序设计语言的多输出/多标签和流数据采掘框架。设想作为一个平台，鼓励流学习研究的民主化，它提供了流学习，流生成器和评估器的多种最先进的方法。scikit-multiflow建立在流行的开源框架之上，包括scikit-learn，MOA和MEKA。开发遵循FOSS原则，质量通过遵循PEP 8指导方针并使用持续集成和自动测试来加强。源代码可在https://github.com/scikit-multiflow/scikit-multiflow上公开获得。
2018-07-12 cs.LG stat.ML
DESlib: A Dynamic ensemble selection library in Python
Laboratoire d’imagerie, vision et intelligence artificielle (LIVIA)（图像、视觉与人工智能实验室（LIVIA））；École de Technologie Supérieure (ÉTS) - Université du Québec（魁北克大学高等技术学院（ÉTS））；Centro de Informática - Universidade Federal de Pernambuco（伯南布哥联邦大学信息中心）
DESlib是一个开源Python库，提供了几种动态选择技术的实现。该库分为三个模块：（i）\emph{dcs}，包含动态分类器选择方法（DCS）的实现;（ii）\emph{des}，包含动态集成选择方法（DES）的实现;（iii）\emph{static}，包含静态集成技术的实现。该库有完整的文档（文档可在线阅读），具有高测试覆盖率（codecov.io），并且是scikit-learn-contrib支持项目的一部分。文档，代码和示例可以在其GitHub页面上找到：https://github.com/scikit-learn-contrib/DESlib。
2019-01-23 cs.LG
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
srlearn: A Python Library for Gradient-Boosted Statistical Relational Models
Indiana University Bloomington（印第安纳大学伯明顿分校）
我们介绍srlearn，一个用于增强统计关系模型的Python库。我们调整scikit-learn接口以适应这种设置，并提供如何使用它来表达学习和推理问题的示例。
2019-12-17 cs.AI cs.LG stat.ML
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
ADAPT : Awesome Domain Adaptation Python Toolbox
Manufacture Française des pneumatiques Michelin（法国米其林轮胎制造公司）；Centre Borelli（博雷利中心）；Université Paris-Saclay（巴黎萨克雷大学）；CNRS（法国国家科学研究中心）；ENS Paris-Saclay（巴黎萨克雷高等师范学院）
在本文中，我们介绍了ADAPT库，这是一个开源的Python API，提供了主要的迁移学习和领域自适应方法的实现。图书馆的设计采用了用户友好的方法，以方便广大公众访问领域自适应。ADAPT与scikit-learn和TensorFlow兼容，并在https://adapt-python.github.io/adapt/上提供了完整的文档，其中包含大量的示例库。
2023-02-01 cs.LG
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
MAPIE: an open-source library for distribution-free uncertainty quantification
Quantmetry；Laboratoire de Mathématiques et de Modélisation d’Evry（埃夫里数学与建模实验室）；ENSIIE（法国国立高等工业工程学院）；University Paris Saclay（巴黎萨克雷大学）
估计与机器学习（ML）模型预测相关的不确定性对于评估其鲁棒性和预测能力至关重要。在本次提交中，我们介绍了MAPIE（模型不可知预测区间估计），这是一个开源的Python库，可以量化ML模型在单输出回归和多类分类任务中的不确定性。MAPIE实现了共形预测方法，允许用户轻松计算不确定性，对边缘覆盖率有很强的理论保证，对模型或基础数据分布有温和的假设。MAPIE托管在scikit-learn-contrib上，并且完全“scikit-learn-compatible”。因此，它接受scikit-learn API附带的任何类型的回归器或分类器。该库可在https://github.com/scikit-learn-contrib/MAPIE/上获得。
2022-07-25 cs.LG stat.ML
PyHHMM: A Python Library for Heterogeneous Hidden Markov Models
Department of Signal Theory and Communications, Universidad Carlos III de Madrid（马德里卡洛斯三世大学信号理论与通信系）
我们介绍PyHHMM，一个面向对象的开源Python实现异构隐马尔可夫模型（HHMM）。除了HMM的基本核心功能，如不同的初始化算法和经典的观察模型，即，PyHHMM具有连续性和多项性，特别强调了类似可用框架不支持的特性：异构观察模型，缺失数据推理，不同的模型顺序选择标准和半监督训练。这些特性为处理序列数据的研究人员提供了功能丰富的实现。PyHHMM依赖于numpy，scipy，scikit-learn和seaborn Python包，并在Apache-2.0许可证下分发。PyHHMM的源代码在Github上公开（https：//github.com/fmorenopino/HeterogeneousHMM），以方便采用和未来的贡献。详细的文档（https：//pyhhmm.readthedocs.io/en/latest）涵盖了使用示例和模型的理论解释。该软件包可以通过Python包索引（PyPI）安装，通过'pip install pyhhmm'。
2022-01-12 cs.LG cs.MS stat.ML
Cyanure: An Open-Source Toolbox for Empirical Risk Minimization for Python, C++, and soon more
Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Inria（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立高等物理、数学与信息学院）
Cyanure是一个带有Python接口的开源C++软件包。Cyanure的目标是为学习线性模型提供最先进的求解器，基于具有加速机制的随机方差减少随机最优化。Cyanure可以处理各种各样的损失函数（logistic，square，squared hinge，multinomial logistic）和正则化函数（l_2，l_1，elastic-net，fused Lasso，多任务组Lasso）。它提供了一个简单的Python API，非常接近scikit-learn，在不久的将来应该会扩展到其他语言，如R或Matlab。
2019-12-20 cs.LG stat.ML
problexity -- an open-source Python library for binary classification problem complexity assessment
Wrocław University of Science and Technology（弗罗茨瓦夫理工大学）
分类问题的复杂性评估是监督学习领域中许多主题的基本要素。它在元学习中起着重要的作用-成为确定元属性或多标准优化的基础-允许在不需要重建识别模型的情况下评估训练集。目前学术界可用的工具，可以计算问题的复杂性措施，只能作为C++和R语言的库。本文描述了一个软件模块，它允许对Python语言的22个复杂性指标进行估计-与scikit-learn编程接口兼容-允许在机器学习社区最流行的编程环境中使用它们进行研究。
2022-07-14 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
stream-learn -- open-source Python library for difficult data stream batch analysis
Wrocław University of Science and Technology（弗罗茨瓦夫科技大学）
stream-learn是一个与scikit-learn兼容的Python包，用于漂移和不平衡的数据流分析。它的主要组成部分是一个流生成器，它允许产生一个合成数据流，该数据流可以将三种主要概念漂移类型（即突然漂移、渐进漂移和增量漂移）中的每一种都纳入其重复或非重复版本中。该软件包允许按照既定的评估方法（即测试-然后-训练和预先）进行实验。此外，适用于数据流分类的估计器已经实现，包括简单的分类器和最先进的基于块的在线分类器集成。为了提高计算效率，package利用自己的预测指标实现不平衡的二进制分类任务。
2020-01-29 cs.CV cs.LG stat.ML
IMBENS: Ensemble Class-imbalanced Learning in Python
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Jilin University（吉林大学）
imbalanced-ensemble，缩写为imbens，是一个开源Python工具箱，用于利用集成学习的力量来解决类不平衡问题。它提供了流行的集成不平衡学习（EIL）方法的标准实现，具有扩展的功能和效用函数。这些集成方法包括基于重采样的，例如，欠采样/过采样，以及基于重新加权，例如，成本敏感的学习除了实现之外，我们还为EIL算法提供了新的功能，如可定制的rescue调度器和详细日志记录，从而实现了更灵活的训练和评估策略。该软件包是在一个简单的、文档齐全的API设计下开发的，该设计遵循scikit-learn，以提高易用性。imbens是在MIT开源许可下发布的，可以从Python包索引（PyPI）或https://github.com/ZhiningLiu1998/imbalanced-ensemble安装。
2023-02-23 cs.AI cs.LG
The autofeat Python Library for Automated Feature Engineering and Selection
Technische Universität Berlin（柏林工业大学）；BASF SE（巴斯夫欧洲公司）
本文描述了autofeat Python库，它提供了scikit-learn风格的线性回归和分类模型，具有自动化特征工程和选择功能。复杂的非线性机器学习模型，如神经网络，在实践中通常难以训练，甚至更难向非统计学家解释，他们需要透明的分析结果作为重要业务决策的基础。虽然线性模型是有效和直观的，但它们通常提供较低的预测精度。我们的库提供了一个多步骤的特征工程和选择过程，首先生成一个大的非线性特征池，然后从中选择一个小而强大的有意义的特征集，这提高了线性模型的预测准确性，同时保留了其可解释性。
2020-02-26 cs.LG stat.ML
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
SCPP: A Unified Python Library for Soft Clustering
介绍用于软聚类的开源Python框架SCPP，它建立规范接口统一多种软聚类方法，集成40种算法及综合基准测试，提供文档、示例等，实现可重复实验与新算法扩展。
2026-08-18 cs.AI cs.LG
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
eipy: An Open-Source Python Package for Multi-modal Data Integration using Heterogeneous Ensembles
Icahn School of Medicine at Mount Sinai（西奈山伊坎医学院）
本文提出开源 Python 包 eipy，通过嵌套交叉验证比较和选择多模态异构集成方法，并支持 scikit-learn 风格估计器构建分类预测模型。
2024-12-09 cs.LG
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
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
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
TorchDA: A Python package for performing data assimilation with deep learning forward and transformation functions
CEREA；École des Ponts（巴黎桥路学院）；EDF R&D（法国电力公司研发部）；Department of Earth Science & Engineering, Imperial College London（帝国理工学院地球科学与工程系）
TorchDA软件包将深度神经网络与卡尔曼滤波、EnKF、3DVar和4DVar等数据同化算法无缝结合，用于状态转移和观测函数建模，并在Lorenz 63和二维浅水系统上验证了其显著优于无同化模型预测的性能。
2024-08-30 cs.LG cs.MS
AMICA-Python: Adaptive Mixture Independent Component Analysis with Anderson Acceleration
University of Southern California（南加州大学）；University of South Carolina（南卡罗来纳大学）
研究针对AMICA算法依赖单一Fortran实现、限制其在非MATLAB生态系统中应用的问题，提出AMICA-Python这一Python实现，通过符合scikit-learn的API集成，引入安德森加速方案，经测试其数值精度高、运行时具竞争力。
2026-07-22 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
Revisiting Distributional Correspondence Indexing: A Python Reimplementation and New Experiments
Istituto di Scienza e Tecnologie dell’Informazione（信息科学与技术研究所）；Consiglio Nazionale delle Ricerche（意大利国家研究委员会）
本文介绍了PyDCI，一种用Python编写的分布式对应索引（DCI）的新实现。DCI是一种用于跨领域和跨语言文本分类的迁移学习方法，我们提供了一种基于JaTeCS（一种用于文本分类的Java框架）的实现（这里称为JaDCI）。PyDCI是DCI的独立版本，它利用了scikit-learn和SciPy堆栈。我们在这里报告了我们为了测试PyDCI而进行的新实验，并且我们使用DCI最初提出后出现的新的高性能方法作为基线。这些实验表明，由于我们改进了DCI的一些微妙方式，PyDCI的性能优于JaDCI和上述高性能方法，并在我们测试DCI的两个流行基准上提供了最知名的结果，即，MultiDomainSentiment（又称多领域情绪）MDS -用于跨领域自适应）和Webis-CLS-10（用于跨语言自适应）。PyDCI以及允许复制我们实验的代码可以在https://github.com/AlexMoreo/pydci上获得。
2018-10-19 cs.CL cs.LG 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
dtaianomaly: A Python library for time series anomaly detection
KU Leuven（鲁汶大学）；Leuven.AI - KU Leuven Institute for AI（鲁汶人工智能研究所）；Flanders Make（佛兰德斯制造）
本文介绍开源 Python 库 dtaianomaly，通过可扩展架构、标准化 API、内置检测器、预处理、可视化、性能分析和测试工具，促进时间序列异常检测研究与工业应用衔接。
2025-02-20 cs.DB cs.LG
xai-cola: A Python library for sparsifying counterfactual explanations
Technical University of Denmark（丹麦技术大学）
xai-cola是一个开源Python库，用于稀疏化反事实解释，通过端到端流程减少冗余特征变化，提升解释效率。
2026-02-25 cs.AI cs.CY cs.LG
abess: A Fast Best Subset Selection Library in Python and R
Sun Yat-Sen University（中山大学）；University of Science and Technology of China（中国科学技术大学）；Renmin University of China（中国人民大学）；Peking University（北京大学）；National University of Singapore（新加坡国立大学）
本文介绍abess库，用统一框架高效求解线性回归、分类和PCA等最佳子集选择问题，速度可达现有工具20倍，并提供Python和R接口。
2022-06-17 cs.LG stat.CO stat.ML
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
Small-Text: Active Learning for Text Classification in Python
Leipzig University（莱比锡大学）；Institute for Applied Informatics (InfAI)（应用信息学研究所（InfAI））
研究推出Python主动学习库small-text，支持多类文本分类场景，集成主流机器学习库，通过实验验证SetFit训练范式在准确率与transformer微调相当、AUC更优，为主动学习实验与应用开发提供便捷工具。
2023-10-07 cs.CL cs.LG
ktrain: A Low-Code Library for Augmented Machine Learning
Institute for Defense Analyses（美国国防分析研究所）
我们介绍了ktrain，一个低代码的Python库，它使机器学习更容易访问和应用。作为TensorFlow和许多其他库的包装器（例如，Transformers，scikit-learn，stellargraph），它旨在使复杂的，最先进的机器学习模型易于构建，训练，检查和初学者和经验丰富的从业者应用。具有支持文本数据的模块（例如，文本分类、序列标记、开放域问答），视觉数据（例如，图像分类），图形数据（例如，节点分类、链接预测）和表格数据，Ktrain提供了一个简单的统一接口，使得人们能够在少至三个或四个“命令”或代码行中快速解决各种各样的任务。
2022-04-05 cs.CL cs.CV cs.LG
FastBDT: A speed-optimized and cache-friendly implementation of stochastic gradient-boosted decision trees for multivariate classification
Karlsruher Institut für Technologie（卡尔斯鲁厄理工学院）
随机梯度提升决策树被广泛用于多变量分类和回归任务。本文提出了一种速度优化和缓存友好的多变量分类实现称为FastBDT。与TMVA、scikit-learn和XGBoost等软件框架中的流行实现相比，FastBDT在适配阶段和应用阶段快了一个数量级。本文详细讨论了用于优化执行时间和性能研究的概念。主要想法包括：对输入数据的等频率合并，允许用整数运算取代昂贵的浮点运算，同时提高分类的质量;对输入数据的高速缓存友好的线性访问模式，与通常的实现相反，通常的实现表现出随机访问模式。FastBDT提供C/C++、Python和TMVA的接口。它被Belle II实验广泛应用于高能物理领域。
2016-09-20 cs.LG
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
MARVIN: An Open Machine Learning Corpus and Environment for Automated Machine Learning Primitive Annotation and Execution
Jet Propulsion Laboratory（喷气推进实验室）；California Institute of Technology（加州理工学院）
在这篇演示论文中，我们介绍了DARPA D3 M程序的自动机器学习（ML）和喷气推进实验室的MARVIN工具，提供了一个环境来定位，注释和执行机器学习原语用于ML管道。MARVIN是一个用Python编写的基于Web的应用程序和相关的后端接口，可以从Scikit-Learn、Keras、DL 4J和其他广泛使用的库中的数百个原语组成ML管道。MARVIN允许创建在DARPA内的Kubernetes集群上运行的Docker容器，为自动化机器学习提供执行环境。MARVIN目前包含400多个数据集和挑战问题，这些问题来自广泛的ML领域，包括常规分类和回归到高级视频/图像分类和遥感。
2018-08-11 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
Manify: A Python Library for Learning Non-Euclidean Representations
Columbia University（哥伦比亚大学）
Manify 是一个开源 Python 库，利用流形学习技术支持非欧几里得空间中的嵌入学习、分类回归和曲率估计，为基于流形的数据分析提供全面工具。
2025-07-16 cs.LG
torchsom: The Reference PyTorch Library for Self-Organizing Maps
Centre de Mathématiques Appliquées, Ecole Polytechnique（应用数学中心，巴黎政治学院）；Manufacture Française des Pneumatiques Michelin（米其林轮胎法国制造）
torchsom是用于自组织映射的参考PyTorch库，具有降维、聚类和数据可视化特性，依赖PyTorch后端，通过GPU加速训练，遵循scikit-learn API，便于使用和扩展，测试覆盖率达90%，开源且有文档。
2026-07-24 cs.LG stat.ML
