Scikit-learn 是一个 Python 模块，集成了各种最先进的机器学习算法，用于解决中等规模的监督和无监督问题，旨在将机器学习带给非专业人士使用通用高级语言，注重易用性，性能和一致的 API。

Jan, 2012

本文讨论了 Scikit-learn 机器学习库 API 的设计选择，其中强调了可重用性和组合性，并评论了该库用户和开发者所面临的障碍。

Sep, 2013

SciPy 是用于 Python 编程语言的开源科学计算库，涵盖聚类，傅里叶变换，积分，插值，文件 I/O，线性代数，图像处理，正交距离回归等众多领域，在 600 多个贡献者的努力下，它已经成为了 Python 编程语言中使用科学算法的事实标准，占据了超过一百万的下载量，其中包括了几乎一半基于机器学习的 GitHub 代码库。

Jul, 2019

Mahotas 是一种 Python 计算机视觉库，其中包括传统的图像处理和现代的特征计算等功能，它被设计成适应于这种语言的科学软件生态系统，并可以利用该语言中已有的基础设施。

Nov, 2012

本研究介绍了如何使用 Python 语言的机器学习库 Scikit-learn 来处理神经影像数据，采用统计机器学习的方法，包括有监督学习和无监督学习，探究在不同的功能神经影像应用中的优势和应用。

Dec, 2014

这篇论文介绍了一种名为 “ImageLab” 的新型工具，旨在通过优先考虑交互式学习而不是理论复杂性，填补技术专家以外的用户之间的知识差距，从而使图像处理更加平等、可靠。该工具不仅作为有价值的教育资源，还提供了一个实践环境供经验丰富的从业者使用。通过对 ImageLab 的特点进行全面评估，我们通过针对一群学生的用户研究证明了其有效性，获得了积极反馈。我们的工作在提升图像处理教育和实践方面取得了重要进展，使其更具包容性和可接近性。

Jan, 2024

scikit-multilearn 是一个 Python 库，用于进行多标签分类。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。它为流行的多标签分类方法提供了本机 Python 实现，并提供了一种新颖的标签空间划分和划分框架。它提供了现代算法适应方法，基于网络的标签空间划分方法，提取标签依赖信息和多标签嵌入分类器等。它提供了对 Java 库的广泛的多标签处理方法的 Python 包装访问，并使扩展用于多标签任务的深度学习单标签方法成为可能。该库允许多标签分层和数据集管理。与其他已建立的库相比，在问题转换方面实现更高效，拥有良好的测试覆盖率，并遵循 PEP8。

Feb, 2017

本文提出一种结合机器学习和图像系统仿真的方法，自动化处理传感器数据的流程设计，以此应用于图像传感器设计及其相应的相关领域，例如消费类摄影。

May, 2016

OpenML-Python 是一个开发用于机器学习的 Python 平台，允许用户在 OpenML 上分享、访问和重现机器学习的数据集、任务和实验，并提供了整合其他 Python 机器学习库的插件机制。

Nov, 2019

介绍了一个名为 sktime 的 Python 库，提供了统一的机器学习时间序列接口，以简化时间序列任务。

Sep, 2019