scikit-learn

Scikit-learn（曾叫做scikits.learn與sklearn）是用於Python程式語言的自由並開源的機器學習庫^[2]。它包含了各種分類、回歸和聚類算法，包括多層感知器、支持向量機、隨機森林、梯度提升、k-平均聚類和DBSCAN，它被設計協同於Python數值庫NumPy和和科學庫SciPy。

scikit-learn

原作者	David Cournapeau
首次發布	2007年6月，​17年前​（2007-06）
當前版本	1.6.1[1]（2025年1月10日，3個月前）
原始碼庫	github.com/scikit-learn/scikit-learn
程式語言	Python, Cython, C, C++
作業系統	Linux, macOS, Windows
類型	機器學習庫
許可協議	三條款BSD許可證
網站	scikit-learn.org

概述

scikit-learn計劃開始於scikits.learn，它是David Cournapeau（英語：David Cournapeau）的Google編程之夏計劃。它的名字來源自成為「SciKit」（SciPy工具箱）的想法，即一個獨立開發和發行的第三方SciPy擴展^[3]。最初的代碼庫被其他開發者重寫了。在2010年，來自法國羅康庫爾的法國國家信息與自動化研究所的Fabian Pedregosa、Gael Varoquaux、Alexandre Gramfort和Vincent Michel，領導了這個項目並在2010年2月1日進行了首次公開發行^[4]。在各種scikit中，scikit-learn和scikit-image（英語：scikit-image）截至2012年11月 (2012-11)^[update]是「良好維護和流行的」^[5]。Scikit-learn是在GitHub上最流行的機器學習庫之一^[6]。

實現

Scikit-learn主要用Python編寫的，並廣泛使用NumPy進行高性能線性代數和數組運算。此外，一些核心算法用Cython書寫來以提高性能。在某些情況下，用Python擴展出特定方法是不可能的；比如支持向量機，是通過用Cython包裝LIBSVM（英語：LIBSVM）實現；邏輯斯諦回歸和線性支持向量機，是通過對LIBLINEAR（英語：LIBLINEAR）的類似的包裝實現的。

Scikit-learn與很多其他Python庫可以良好的集成起來，比如用於繪圖的matplotlib和plotly（英語：plotly），用於陣列向量化的NumPy，用於數據幀的pandas，用於科學計算的SciPy等等。

有關工具

• sklearn-onnx是將scikit-learn模型轉換成ONNX的工具^[7]。
• SciKeras是對Keras模塊的scikit-learn兼容的包裝器^[8]。
• skorch是包裝了PyTorch的scikit-learn兼容的神經網絡庫^[9]。

參見

• mlpy（英語：mlpy）
• SpaCy（英語：SpaCy）
• NLTK（英語：Natural Language Toolkit）
• Orange（英語：Orange (software)）
• PyTorch
• TensorFlow
• Infer.NET（英語：Infer.NET）
• 數值分析軟體