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
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
spd-metrics-id: A Python Package for SPD-Aware Distance Metrics in Connectome Fingerprinting and Beyond
Department of Mathematics and Statistics, Auburn University, USA（数学与统计学系，阿伯茨海德大学）
本研究推出Python包spd-metrics-id，提供统一可扩展可复现的SPD矩阵距离计算框架，支持多种几何感知度量与多使用方式，可应用于连接组指纹识别等多领域。
2025-10-06 cs.LG stat.CO stat.ML
Pymc-learn: Practical Probabilistic Machine Learning in Python
Haystax Technology（Haystax科技公司）
$\textit{Pymc-learn}$是一个Python包，为监督和无监督机器学习提供了各种最先进的概率模型。它受到$\textit{scikit-learn}$的启发，专注于将概率机器学习带给非专业人士。它使用模仿$\textit{scikit-learn}$的通用高级语言。重点放在易用性、生产力、灵活性、性能、文档和与$\textit{scikit-learn}$一致的API上。它依赖于$\textit{scikit-learn}$和$\textit{pymc3}$，并在新的BSD-3许可证下分发，鼓励学术界和工业界使用它。源代码、二进制文件和文档可在http://github.com/pymc-learn/pymc-learn上获得。
2018-10-31 cs.LG stat.ML
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
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
pygrank: A Python Package for Graph Node Ranking
Centre for Research and Technology—Hellas（研究与技术中心—希腊）；Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
我们介绍pygrank，一个开源的Python包来定义，运行和评估节点排名算法。我们提供面向对象和广泛的单元测试算法组件，如图过滤器，后处理器，措施，基准测试和在线调优。计算可以委托给numpy，tensorflow或pytorch后端，并适合反向传播管道。类可以组合起来定义可互操作的复杂算法。在本文的上下文中，我们比较包与相关的替代品，并展示其灵活性和易用性的代码示例。
2021-10-18 cs.LG
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
BARMPy: Bayesian Additive Regression Models Python Package
本文介绍 Python 包 barmpy，将 BARN 实现为兼容 SciKit-Learn、支持交叉验证并配有文档与教程的通用贝叶斯加性回归基线库。
2024-04-06 stat.CO 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
FDApy: a Python package for functional data
Department of Mathematics and Statistics, University of Limerick（利默里克大学数学与统计学院）
本文介绍了 FDApy，一个用于分析函数型数据的开源 Python 包，提供了多元与不规则采样数据的表示、降维技术及数据集生成工具，并附带完整文档。
2024-08-12 cs.LG cs.MS stat.CO
Scikit-fingerprints: Python library for scikit-learn compatible molecular fingerprints and chemoinformatics
Faculty of Computer Science, AGH University of Krakow（克拉科夫AGH科技大学计算机科学学院）
该研究推出基于RDKit的scikit-fingerprints库，填补化学信息学框架与scikit-learn生态的兼容空白，整合多类功能，提升分子机器学习的原型开发、复现与部署效率。
2026-09-22 cs.LG cs.SE
RobPy: a Python Package for Robust Statistical Methods
针对Python缺乏综合稳健统计方法包的问题，研究团队推出基于NumPy等成熟库构建的RobPy包，涵盖多类稳健分析工具与异常值可视化功能，填补了Python生态的相关空白。
2024-11-04 stat.CO stat.ML
torchosr -- a PyTorch extension package for Open Set Recognition models evaluation in Python
Wrocław University of Science and Technology（弗罗茨瓦夫理工大学）
本文提出torchosr，一个兼容PyTorch的Python包，提供开放集识别的最先进方法和派生集生成工具，旨在简化并促进大规模、多配置下的正确实验评估，并提供开源实现。
2023-05-16 cs.CV cs.LG
nabqr: Python package for improving probabilistic forecasts
DTU Compute（DTU计算学院）；QUENT ApS（QUENT公司）
本文介绍了开源 Python 包 NABQR，通过 LSTM 网络校正集合并应用时间自适应分位数回归，在丹麦风电日前预测中将平均绝对精度提高达 40%，从而提供更可靠的概率预测。
2025-01-29 cs.LG stat.AP stat.CO
A scikit-based Python environment for performing multi-label classification
Wrocław University of Science and Technology（弗罗茨瓦夫理工大学）；illimites foundation（伊利米特斯基金会）
scikit-multilearn是一个用于执行多标签分类的Python库。该库与scikit/scipy生态系统兼容，并使用稀疏矩阵进行所有内部操作。它提供了流行的多标签分类方法的原生Python实现，以及标签空间分区和划分的新框架。它包括现代算法自适应方法、基于网络的标签空间划分方法和多标签嵌入分类器。它提供了对Java库中广泛的多标签方法堆栈的python包装访问，并使扩展深度学习单标签方法用于多标签任务成为可能。该库允许多标签分层和数据集管理。该实现在问题转换方面比其他已建立的库更有效，具有良好的测试覆盖率，并遵循PEP 8。源代码和文档可以从http://scikit.ml和pip下载。该库遵循BSD许可计划。
2018-12-10 cs.LG cs.MS
HiClass: a Python library for local hierarchical classification compatible with scikit-learn
Hasso Plattner Institute（哈索·普拉特纳研究院）；University of Potsdam（波茨坦大学）；Free University of Berlin（柏林自由大学）
HiClass是一个开源的Python库，用于本地分层分类，与scikit-learn完全兼容。它包含文献中发现的分层机器学习模型的最常见设计模式的实现，即每个节点、每个父结点和每个级别的局部分类器。此外，该软件包包含分层度量的实现，这更适合于评估分层数据的分类性能。文档包括安装和使用说明、教程和交互式笔记本中的示例以及API的完整描述。HiClass在简化的BSD许可下发布，鼓励在学术和商业环境中使用。源代码和文档可在https://github.com/scikit-learn-contrib/hiclass上获得。
2023-01-03 cs.LG
PyChEst: a Python package for the consistent retrospective estimation of distributional changes in piece-wise stationary time series
我们介绍PyChEst，一个Python包，它提供的工具，同时估计多个变化点的分布分段平稳时间序列。实现的非参数算法是可证明一致的一般框架：当样本是由未知的分段平稳过程。在这种情况下，样本可能具有任意形式的长程依赖性，并且在变化点之前和之后的任何（未知）固定大小的有限维边缘可能相同。该软件包中包含的算法的优势在于它们能够一致地检测变化，而不会对底层过程分布施加任何超出平稳性的假设。我们说明了这一显着的特点，通过比较的性能包对国家的最先进的模型设计的设置中的样本是独立和相同的分布。
2021-12-20 cs.MS stat.AP stat.CO
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
A Python Package for Sampling from Copulae: clayton
本文介绍纯 Python 实现的 clayton 软件包，提供多种 copula 模型、文档与示例，并通过与 R 软件包的性能比较验证其高效性。
2023-06-05 stat.CO
semopy: A Python package for Structural Equation Modeling
结构方程模型（SEM）是一种多变量统计技术，用于估计观测变量和潜在变量之间的复杂关系。尽管存在许多SEM软件包，但它们中的每一个都有局限性。有些软件包不是免费或开源的;最流行的软件包是$\textbf{lavaan}$，它没有这个缺点，但它是用R语言编写的，这落后于当前的主流趋势，使得它更难被纳入开发管道（即生物信息学管道）。因此，我们开发了Python包$\textbf{semopy}$来满足这些标准。本文提供了详细的包使用的例子，并解释了它的内部时钟。此外，我们开发了独特的SEM模型生成器，以广泛测试SEM软件包，并证明$\textbf{semopy}$在执行时间和准确性方面明显优于$\textbf{lavaan}$。
2019-09-06 stat.AP
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
direpack: A Python 3 package for state-of-the-art statistical dimension reduction methods
direpack包旨在将一组现代统计降维技术作为一个单一的、一致的包引入Python世界。降维方法主要包括三类：基于投影寻踪的降维方法、充分降维方法和稳健M估计降维方法。作为推论，基于这些降维空间的正则化回归估计也被提供，从经典的主成分回归到稀疏部分稳健M回归。该软件包还包含一组经典且强大的预处理实用程序，包括通用空间符号以及专用绘图功能和交叉验证实用程序。最后，direpack的编写与scikit-learn API保持一致，因此估计器可以无障碍地包含在该框架中的（统计和/或机器）学习管道中。
2020-05-30 stat.CO
GGLasso -- a Python package for General Graphical Lasso computation
我们介绍GGLasso，一个用于解决一般图形套索问题的Python软件包。由（Friedman 2007）（另见（Yuan 2007; Banerjee 2008））引入的图形套索方案从多变量高斯数据$\mathcal{X} \sim \mathcal{N}(μ, Σ) \in \mathbb{R}^p$估计稀疏逆协方差阵$Θ$。这个估计框架最初由Dempster 1972年提出，名为协方差选择，在2012年，这个估计框架已经扩展到包括潜变量。最近的扩展还包括多个逆协方差阵的联合估计，参见例如，in（Danaher 2013; Tomasi 2018）. GGLasso软件包包含解决一般问题公式的方法，包括重要的特殊情况，如单个（潜在变量）图形套索，组和融合图形套索。
2021-10-20 stat.CO
pyStoNED: A Python Package for Convex Regression and Frontier Estimation
形状约束非参数回归是计量经济学、统计学、运筹学、机器学习和相关领域中一个不断发展的领域。在生产率和效率分析领域，最近发展的多元凸回归和相关技术，如凸分位数回归和凸期望回归，弥补了传统的确定性非参数和随机参数方法之间的长期差距。不幸的是，沉重的计算负担和缺乏强大的，可靠的，完全开放的计算包已经减缓了这些先进的估计技术的扩散到经验的做法。Python包pyStoNED的目的是通过为多变量凸回归、凸分位数回归、凸期望回归、保序回归、数据的随机非参数化以及相关方法提供免费可用且用户友好的工具来解决这一挑战。本文介绍了pyStoNED软件包的教程，并说明了其应用，重点是前沿成本和生产函数的估计。
2021-09-27 stat.AP stat.CO stat.ME
Scikit-learn: Machine Learning in Python
INRIA（法国国家信息与自动化研究所）；Normalesup（巴黎高等师范学院）；Neurospin（神经影像实验室）；CEA Saclay（法国原子能委员会萨克莱研究所）；ENSTA（巴黎高等电信学院）；Nuxeo（Nuxeo公司）；Kobe University（神户大学）；Columbia University（哥伦比亚大学）；Sydney Informatics Hub（悉尼信息学中心）；University of Sydney（悉尼大学）；University of Liège（列日大学）；Bauhaus-Universität Weimar（魏玛包豪斯大学）；Google Inc（谷歌公司）；Clermont Université（克莱蒙大学）；IFMA（IFMA学院）；LaMI（LaMI实验室）；University of Washington（华盛顿大学）；UMass Amherst（马萨诸塞大学阿默斯特分校）
Scikit-learn是一个Python模块，集成了广泛的最先进的机器学习算法，用于中等规模的监督和无监督问题。这个软件包的重点是使用通用高级语言将机器学习带给非专业人员。重点放在易用性、性能、文档和API一致性上。它具有最小的依赖性，并在简化的BSD许可证下分发，鼓励其在学术和商业环境中使用。源代码、二进制文件和文档可以从http://scikit-learn.org下载。
2018-06-05 cs.LG cs.MS
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
scikit-dyn2sel -- A Dynamic Selection Framework for Data Streams
Pontifícia Universidade Católica do Paraná (PUCPR)（巴拉那天主教大学）；Université de Rouen Normandie（鲁昂诺曼底大学）
挖掘数据流本身就是一个挑战。它必须准备好处理大量数据和批量机器学习中不存在的问题，例如概念漂移。因此，应用批量设计的技术，如动态选择分类器（DCS）也提出了挑战。处理数据流的集合的动态特性给传统的DCS技术在此类分类器中的应用带来了障碍。scikit-dyn 2sel是一个开源Python库，专为流数据中的动态选择技术而定制。scikit-dyn 2sel的开发遵循代码质量和测试标准，包括PEP 8合规性和使用codecov.io和circleci.com的自动化高测试覆盖率。源代码、文档和示例可在GitHub上获得，网址为https://github.com/luccaportes/Scikit-DYN2SEL。
2020-08-17 cs.LG
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
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
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
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
bde: A Python Package for Bayesian Deep Ensembles via MILE
Faculty of Physics, LMU Munich（物理系，慕尼黑大学）；Department of Statistics, LMU Munich（统计系，慕尼黑大学）；Munich Center for Machine Learning（慕尼黑机器学习中心）
bde是一个用于贝叶斯深度集成的Python包，专注于表格数据，基于JAX实现的MILE方法，提供兼容scikit-learn的估计器，实现快速训练、高效MCMC采样和不确定性量化。
2026-05-13 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
libact: Pool-based Active Learning in Python
National Taiwan University（国立台湾大学）
libact是一个Python包，旨在使一般用户更容易进行主动学习。该软件包不仅实现了几个流行的主动学习策略，而且还具有主动学习的学习元算法，帮助用户自动选择最佳策略的飞行。此外，该软件包提供了一个统一的接口，用于实现更多的策略，模型和特定于应用程序的标签。该包在Github上是开源的，可以从Python包索引存储库轻松安装。
2017-10-01 cs.LG
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
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
QRMine: A python package for triangulation in Grounded Theory
McMaster University（麦克马斯特大学）；East Carolina University（东卡罗来纳大学）
扎根理论（GT）是一种基于数据建立理论的定性研究方法。GT使用文本和数字数据，并遵循各种阶段的编码或标记数据的意义，如开放编码和选择性编码。机器学习（ML）技术，包括自然语言处理（NLP），可以帮助研究人员进行编码过程。三角测量是组合各种类型数据的过程。ML可以促进从数字数据中获得见解，以证实文本访谈记录的发现。我们提出了一个开源Python包（QRMine），它封装了各种ML和NLP库，以支持GT中的编码和三角测量。QRMine使研究人员能够以最小的努力在他们的数据上使用这些方法。研究人员可以从python包索引（PyPI）安装QRMine，并为其开发做出贡献。我们相信，计算三角测量的概念将使GT在大数据领域相关。
2020-03-30 cs.CL cs.LG
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
MIIDL: a Python package for microbial biomarkers identification powered by interpretable deep learning
检测用于预测疾病表型和临床结果的微生物生物标志物对于疾病早期筛查和诊断至关重要。大多数生物标志物鉴定方法是基于线性的，这是非常有限的，因为生物过程很少是完全线性的。将机器学习引入这一领域往往会带来一个有前途的解决方案。然而，以可解释的、数据驱动的和稳健的方式鉴定微生物生物标志物仍然具有挑战性。我们介绍了MIIDL，这是一个Python包，用于基于可解释的深度学习识别微生物生物标志物。MIIDL创新性地应用了卷积神经网络、多种可解释性算法和大量的预处理方法，为从高维稀疏数据集中识别微生物生物标志物提供了一站式和强大的管道。
2021-09-24 cs.LG q-bio.QM
PySensors: A Python Package for Sparse Sensor Placement
University of Washington（华盛顿大学）
PySensors是一个Python包，用于选择和放置稀疏的传感器集，用于分类和重建任务。具体来说，PySensors实现了数据驱动的稀疏传感器布局优化重建（SSPOR）和稀疏传感器布局优化分类（SSPOC）算法。在这项工作中，我们简要描述了稀疏传感器优化的数学算法和理论，以及PySensors中实现的功能的概述和演示（带有代码示例）。我们还为用户提供了实用的建议，以及PySensors的潜在扩展列表。软件可在https://github.com/dynamicslab/pysensors上获得。
2021-02-20 cs.LG eess.SP math.OC
Accelerating Barnes-Hut t-SNE Algorithm by Efficient Parallelization on Multi-Core CPUs
Intel Corporation（英特尔公司）
t-SNE仍然是可视化高维数据的最流行的嵌入技术之一。大多数标准的t-SNE包，如scikit-learn，都使用Barnes-Hut t-SNE（BH t-SNE）算法来处理大型数据集。然而，该算法的现有CPU实现是低效的。在这项工作中，我们通过缓存优化，SIMD，并行顺序步骤，并提高多线程步骤的并行化加速BH t-SNE的CPU。我们的实现（Acc-t-SNE）在32核英特尔（R）Icelake云实例上分别比scikit-learn和daal 4py的最先进BH t-SNE实现快261倍和4倍。
2022-12-22 cs.AI cs.DC cs.LG
Latte: Cross-framework Python Package for Evaluation of Latent-Based Generative Models
Georgia Institute of Technology（佐治亚理工学院）；Nanyang Technological University（南洋理工大学）
Latte（Latent Tensor Evaluation）是一个Python库，用于在解纠缠学习和可控生成领域评估基于延迟的生成模型。Latte与PyTorch和TensorFlow/Keras兼容，并提供功能性和模块化API，可以轻松扩展以支持其他深度学习框架。Latte使用基于NumPy和与框架无关的实现，确保可重复、一致和确定性的度量计算，而不管选择的是哪种深度学习框架。
2022-01-22 cs.AI cs.IR cs.LG
