參考: related projects
互操作性和框架增強(qiáng)
這些工具適應(yīng)了 scikit 的需要, 可以與其他技術(shù)一起使用, 或者增強(qiáng)了 scikit 學(xué)習(xí)的評(píng)估功能辣辫。
數(shù)據(jù)格式
sklearn_pandas 通過(guò)專用的變換橋接了 scikit-learn pipelines 和 pandas 數(shù)據(jù)框.
Auto-ML
- auto_ml 自動(dòng)化機(jī)器學(xué)習(xí)的生產(chǎn)和分析, 建立在 scikit 學(xué)習(xí)和相關(guān)項(xiàng)目返敬。用所有標(biāo)準(zhǔn)的機(jī)器學(xué)習(xí)步驟訓(xùn)練 pipeline。優(yōu)化了預(yù)測(cè)速度和易于轉(zhuǎn)移到生產(chǎn)環(huán)境诱贿。
- auto-sklearn 一種自動(dòng)化的機(jī)器學(xué)習(xí)工具包和一個(gè) scikit 學(xué)習(xí)估計(jì)器的順便替換者
- TPOT一種自動(dòng)化的機(jī)器學(xué)習(xí)工具包, 它優(yōu)化了一系列 scikit 學(xué)習(xí)的 operators 來(lái)設(shè)計(jì)機(jī)器學(xué)習(xí) pipeline, 包括數(shù)據(jù)和特征預(yù)處理器以及估計(jì)器。作為 scikit 學(xué)習(xí)估計(jì)器的一個(gè)替代項(xiàng)算柳。
實(shí)驗(yàn)框架
- REP 以一致嗜愈、可重復(fù)的方式進(jìn)行數(shù)據(jù)驅(qū)動(dòng)研究的環(huán)境
- ML Frontend 通過(guò)基于 web和編程的接口提供數(shù)據(jù)集管理和 SVM 擬合/預(yù)測(cè)。
- Scikit-Learn Laboratory 一個(gè)包裝圍繞 scikit-learn 的命令行, 使其易于運(yùn)行 multiple learners 和 large feature sets 的機(jī)器學(xué)習(xí)實(shí)驗(yàn).
- Xcessiv 是一個(gè)類似筆記本 (notebook-like) 的應(yīng)用程序, 用于快速张遭、可伸縮邓萨、自動(dòng) hyperparameter 調(diào)整和堆疊 ensembling。提供了一個(gè)跟蹤 model-hyperparameter 組合的框架。
模型檢驗(yàn)與可視化
- eli5 用于調(diào)試/檢查機(jī)器學(xué)習(xí)模型并解釋其預(yù)測(cè)的庫(kù)缔恳。
- mlxtend 包括模型可視化實(shí)用程序宝剖。
- scikit-plot 可視化庫(kù), 用于在數(shù)據(jù)分析和機(jī)器學(xué)習(xí)中快速、容易地生成常用圖歉甚。
- yellowbrick 一套自定義 matplotlib 可視, 用于 scikit 學(xué)習(xí)估計(jì), 以支持可視化特征分析万细、模型選擇、評(píng)估和診斷纸泄。
