Proyectos Relacionados

Se anima a los proyectos que implementan la API del estimador de scikit-learn a utilizar scikit-learn-contrib template que facilita las mejores prácticas para probar y documentar los estimadores. La scikit-learn-contrib GitHub organisation también acepta contribuciones de alta calidad de los repositorios que se ajustan a esta plantilla.

A continuación se muestra una lista de proyectos relacionados, extensiones y paquetes específicos de dominio.

Mejoras en la interoperabilidad y el marco de trabajo

Estas herramientas adaptan scikit-learn para su uso con otras tecnologías o mejoran la funcionalidad de los estimadores de scikit-learn.

Formatos de datos

• Fast svmlight / libsvm file loader Cargador de archivos svmlight / libsvm rápido y eficiente en memoria para Python.

• sklearn_pandas puente para pipelines scikit-learn y pandas data frame con transformadores dedicados.

• sklearn_xarray proporciona compatibilidad de los estimadores de scikit-learn con las estructuras de datos xarray.

Auto–ML

• auto-sklearn Un conjunto de herramientas de aprendizaje automático y un sustituto de un estimador de scikit-learn

• autoviml Construye automáticamente múltiples modelos de aprendizaje automático con una sola línea de código. Diseñado como una forma más rápida de utilizar los modelos de scikit-learn sin tener que preprocesar los datos.

• TPOT Un kit de herramientas de aprendizaje automático que optimiza una serie de operadores de scikit-learn para diseñar un pipeline de aprendizaje automático, incluyendo los preprocesadores de datos y características, así como los estimadores. Funciona como un reemplazo de un estimador de scikit-learn.

• Featuretools Un marco para realizar ingeniería de características automatizada. Puede utilizarse para transformar conjuntos de datos temporales y relacionales en matrices de características para el aprendizaje automático.

• Neuraxle Una biblioteca para la construcción de pipelines, proporcionando las abstracciones adecuadas para facilitar la investigación, el desarrollo y el despliegue de aplicaciones de aprendizaje automático. Compatible con los marcos de aprendizaje profundo y la API de scikit-learn, puede transmitir minilotes, utilizar puntos de control de datos, construir pipelines complejos y serializar modelos con ahorradores personalizados por paso.

Marcos de experimentación

• REP Entorno para realizar investigaciones basadas en datos de forma coherente y reproducible

• Scikit-Learn Laboratory Un envoltorio de línea de comandos alrededor de scikit-learn que facilita la ejecución de experimentos de aprendizaje automático con múltiples aprendices y grandes conjuntos de características.

Inspección y visualización del modelo

• dtreeviz Una biblioteca python para la visualización del árbol de decisiones y la interpretación de modelos.

• eli5 Una biblioteca para depurar/inspeccionar modelos de aprendizaje automático y explicar sus predicciones.

• mlxtend Incluye utilidades de visualización de modelos.

• yellowbrick Un conjunto de visualizadores personalizados de matplotlib para estimadores de scikit-learn para apoyar el análisis visual de características, la selección de modelos, la evaluación y el diagnóstico.

Selección del modelo

• scikit-optimize Una biblioteca para minimizar funciones de caja negra (muy) costosas y ruidosas. Implementa varios métodos para la optimización secuencial basada en modelos, e incluye un reemplazo para GridSearchCV o RandomizedSearchCV para hacer una búsqueda de parámetros validada en paralelo usando cualquiera de estas estrategias.

• sklearn-deap Uso evolutivo

  algoritmos en lugar de búsqueda en cuadrícula en scikit-learn.

Exportar modelos para producción

• onnxmltools Serializa muchos pipelines de Scikit-learn a ONNX para su intercambio y predicción.

• sklearn2pmml Serialización de una amplia variedad de estimadores y transformadores de scikit-learn en PMML con la ayuda de la biblioteca JPMML-SkLearn.

• sklearn-porter Transpila modelos entrenados de scikit-learn a C, Java, Javascript y otros.

• treelite Compila modelos de conjuntos basados en árboles en código C para minimizar la latencia de la predicción.

Otros estimadores y tareas

No todo pertenece o está lo suficientemente avanzado para el proyecto central scikit-learn. Los siguientes son proyectos que proporcionan interfaces similares a scikit-learn para algoritmos de aprendizaje, infraestructuras y tareas adicionales.

Aprendizaje estructurado

• tslearn Una biblioteca de aprendizaje automático para series temporales que ofrece herramientas para el preprocesamiento y la extracción de características, así como modelos dedicados para la conglomeración, la clasificación y la regresión.

• sktime Una caja de herramientas compatible con scikit-learn para el aprendizaje automático con series temporales, incluyendo la clasificación/regresión de series temporales y la previsión (supervisada/panel).

• HMMLearn Implementación de modelos ocultos de markov que anteriormente formaban parte de scikit-learn.

• PyStruct Campos aleatorios condicionales generales y predicción estructurada.

• pomegranate Modelización probabilística para Python, con énfasis en los modelos de Markov ocultos.

• sklearn-crfsuite Campos aleatorios condicionales de cadena lineal (CRFsuite envoltorio con API tipo sklearn).

Redes neuronales profundas, etc.

• nolearn Una serie de envoltorios y abstracciones alrededor de las bibliotecas de redes neuronales existentes

• keras Biblioteca de aprendizaje profundo capaz de funcionar sobre TensorFlow o Theano.

• lasagne Una biblioteca ligera para construir y entrenar redes neuronales en Theano.

• skorch Una biblioteca de redes neuronales compatible con scikit-learn que envuelve a PyTorch.

Amplio alcance

• mlxtend Incluye una serie de estimadores adicionales así como utilidades de visualización del modelo.

• scikit-lego Una serie de transformadores, modelos y métricas personalizados compatibles con scikit-learn, centrados en la resolución de tareas prácticas de la industria.

Otros tipos de regresión y clasificación

• xgboost Librería optimizada de árboles de decisión con gradiente.

• ML-Ensemble Aprendizaje de conjuntos generalizado (apilamiento, mezcla, subconjunto, conjuntos profundos, etc.).

• lightning Rápidos solucionadores de modelos lineales de última generación (SDCA, AdaGrad, SVRG, SAG, etc…).

• py-earth Splines de regresión adaptativa multivariante

• Regresión kernel Implementación de la regresión kernel de Nadaraya-Watson con selección automática del ancho de banda

• gplearn Programación genética para tareas de regresión simbólica.

• scikit-multilearn Clasificación multietiqueta con enfoque en la manipulación del espacio de etiquetas.

• seglearn Aprendizaje de series temporales y secuencias mediante segmentación de ventanas deslizantes.

• libOPF Clasificador de bosque de rutas óptimas

• fastFM Implementación de la máquina de factorización rápida compatible con scikit-learn

Descomposición y conglomeración

• lda: Implementación rápida de la asignación de Dirichlet latente en Cython que utiliza el Gibbs sampling para tomar muestras de la verdadera distribución posterior. (scikit-learn’s LatentDirichletAllocation implementation uses variational inference para muestrear desde una aproximación trazable de la distribución posterior de un modelo temático.)

• kmodes algoritmo de conglomerados k-modes para datos categóricos, y algunas de sus variaciones.

• hdbscan algoritmos HDBSCAN y Robust Single Linkage clustering para la agrupación robusta de densidad variable.

• spherecluster Rutinas de conglomerados K-medias esférica y mezcla de von Mises Fisher para datos en la hiperesfera unitaria.

Preprocesamiento

• categorical-encoding Una biblioteca de codificadores de variables categóricas compatibles con sklearn.

• imbalanced-learn Métodos variados a conjuntos de datos sub-y sobre-muestreo.

• Feature-engine Una biblioteca de transformadores compatibles con sklearn para la imputación de datos faltantes, codificación categórica, transformación de variables, discretización, manejo de valores atípicos y más. Feature-engine permite la aplicación de pasos de preprocesamiento a grupos seleccionados de variables y es totalmente compatible con el Scikit-learn Pipeline.

Análisis de datos topológicos

• giotto-tda Una librería para Topological Data Analysis con el objetivo de proporcionar una API compatible con scikit-learn. Ofrece herramientas para transformar las entradas de datos (nubes de puntos, gráficos, series temporales, imágenes) en formas adecuadas para los cálculos de los resúmenes topológicos, y componentes dedicados a la extracción de conjuntos de características escalares de origen topológico, que se pueden utilizar junto con otros métodos de extracción de características en scikit-learn.

Aprendizaje estadístico con Python

Otros paquetes útiles para el análisis de datos y el aprendizaje automático.

• Pandas Herramientas para trabajar con datos heterogéneos y en columnas, consultas relacionales, series temporales y estadísticas básicas.

• statsmodels Estimación y análisis de modelos estadísticos. Más centrado en las pruebas estadísticas y menos en la predicción que scikit-learn.

• PyMC Modelos estadísticos bayesianos y algoritmos de ajuste.

• Sacred Herramienta para ayudarte a configurar, organizar, registrar y reproducir experimentos

• Seaborn Biblioteca de visualización basada en matplotlib. Proporciona una interfaz de alto nivel para diseñar atractivos gráficos estadísticos.

Paquetes de motores de recomendación

• implicit, Biblioteca para conjuntos de datos de retroalimentación implícita.

• lightfm Una implementación en Python/Cython de un sistema de recomendación híbrido.

• OpenRec Algoritmos de recomendación inspirados en redes neuronales basados en TensorFlow.

• Spotlight Implementación basada en Pytorch de modelos de recomendación profunda.

• Surprise Lib Biblioteca para conjuntos de datos de retroalimentación explícita.

Paquetes específicos de dominio

• scikit-image Procesamiento de imágenes y visión por computadora en python.

• Natural language toolkit (nltk) Procesamiento del lenguaje natural y algo de aprendizaje automático.

• gensim Una biblioteca para el modelado de temas, la indexación de documentos y la recuperación de similitudes

• NiLearn Aprendizaje automático para la neuroimagen.

• AstroML Aprendizaje automático para la astronomía.

• MSMBuilder Aprendizaje automático para series temporales de dinámica conformacional de proteínas.