#scikit-learn

python-machine-learning-book-3rd-edition

《Python Machine Learning》第三版全面覆盖了数据预处理、分类、回归、深度学习和强化学习等机器学习领域的核心概念。书中提供了Scikit-Learn和TensorFlow的代码示例，帮助读者掌握模型评估、超参数优化和集成学习等技术。本书适合初学者和进阶用户，通过代码仓库可以获得丰富的实践经验。出版信息：Packt Publishing, 2019年12月12日，ISBN-13: 978-1789955750。

imodels

imodels，一款集成scikit-learn的Python库，提供易用且兼容的透明、简洁预测模型。它应用最新的解释性模型技术，旨在提高机器学习的计算效率和预测精准度。包含imodelsX模块以支持NLP领域，且拥有完善的教程和文档，满足多样化应用需求。

fklearn

fklearn基于函数式编程原则，旨在简化实际机器学习问题的解决。其核心原则包括：模型验证应反映真实情况、生产模型应与已验证模型一致、模型可快速投产，以及结果的可重复性和易于深入分析。用户可通过pip或源码安装fklearn，并可参考详尽文档和社区支持以快速入门。

sklearn-onnx

sklearn-onnx是一个工具，用于将scikit-learn模型转换为ONNX格式，并使用ONNX Runtime进行高性能评估。所有转换器都经过ONNX Runtime测试，用户还能注册外部转换器转换含外部库模型的scikit-learn管道。项目文档包括教程和常见问题解答，帮助用户快速上手。可通过PyPi或源码安装，支持多种操作系统，以提高机器学习模型性能。

skorch

skorch 是一款与 scikit-learn 兼容的神经网络库，通过封装 PyTorch 简化深度学习模型的构建和训练。功能包括学习率调度、早停与参数冻结等，并支持 Hugging Face 和 GPyTorch 的集成。用户可通过 pip 或 conda 安装，并在 sklearn Pipeline 和网格搜索中使用其功能，提升深度学习模型的开发与优化效率。

skops

SKOPS 是一个支持scikit-learn模型分享和部署的Python库。它提供了将模型集成到Hugging Face Hub的工具，使模型可被发现和使用，无需下载或加载。主要功能包括创建模型库、生成模型卡和安全保存sklearn估算器。详细信息和使用指南请参考文档。

scikit-learn

scikit-learn是基于SciPy构建的Python机器学习库,提供高效的数据挖掘和分析工具。支持分类、回归、聚类等多种机器学习任务,自2007年启动以来由志愿者维护,已成为广受欢迎的开源项目。其特点包括易用性、高性能和完善的文档,在学术和工业领域得到广泛应用。

sk2torch

sk2torch是一个开源工具，用于将scikit-learn模型转换为PyTorch模块。它解决了GPU加速推理、模型序列化和梯度计算等问题。sk2torch支持多种scikit-learn模型，使机器学习从业者能够利用PyTorch的GPU加速、TorchScript序列化和反向传播功能。这个项目为scikit-learn用户提供了更多的灵活性和性能优化选择。

skglm

skglm是一个开源Python库，专为解决稀疏广义线性模型(GLMs)而设计。它提供快速估计器，完全兼容scikit-learn，并支持更多模型。其模块化设计允许用户自定义估计器，灵活性高。skglm在处理大型数据集时，性能最高可达scikit-learn的100倍。