Best-of ML Python：920 个机器学习库，一份清单搞定

Best-of ML Python：920 个机器学习库，一份清单搞定

做机器学习的人，选库这件事一直很头疼。同一个需求，搜出来十几个名字差不多的项目，Star 数各不相同，文档质量参差不齐，有的已经停更半年你还不知道。lukasmasuch 维护的 best-of-ml-python 就是为了解决这个问题。它在 GitHub 上拿到了 23.6K Star，收录了 920 个开源项目，覆盖 34 个分类，所有项目的 Star 总和超过 510 万。

这个清单每周自动更新一次，每个项目都会被打一个综合质量分。分数的依据不是单一的 Star 数，而是从 GitHub 和各个包管理器自动采集的多项指标，包括贡献者数量、Fork 数、Issue 处理情况、下载量、依赖它的项目数、最近一次更新时间等等。靠这套评分体系，每个分类里的项目都按质量排好了序，打开就能看到哪些是头部选择。

34 个分类，覆盖从框架到部署的全链路

清单把机器学习生态拆成了 34 个类别。光是框架就有通用框架、分布式训练、AutoML、强化学习等细分。数据侧按类型分了文本、图像、音频、图数据、时间序列、地理空间、金融、医疗。工程侧有工作流追踪、模型序列化与部署、模型可解释性、向量检索。甚至还有对抗鲁棒性、GPU 加速工具这类偏底层的分类。

每个分类里的项目数差异很大。NLP 相关收录了 103 个项目，是所有分类里最多的。通用机器学习框架有 64 个，数据可视化 55 个，模型可解释性 55 个。也有小众但重要的类别，比如隐私机器学习只有 7 个项目，Tabular Data 只有 6 个。这种粒度的好处是，你不需要在一堆不相关的项目里翻找，直接定位到自己关心的分类就行。

头部项目一览

通用框架分类里排在前面的项目很能说明问题。TensorFlow 和 PyTorch 并列质量分第一，都是 56 分，Star 数分别是 20 万和 9.4 万。scikit-learn 以 53 分排在第二梯队，Star 6.4 万，每月 PyPI 下载量 1.4 亿次，在传统机器学习领域依然是事实标准。Keras 50 分，XGBoost 和 PaddlePaddle 都是 46 分。JAX 45 分，虽然 Star 数只有 3.4 万，但每月下载量 1200 万，增长趋势明显。

PyTorch Lightning 在框架分类里也拿到了 45 分，它做的事情是在 PyTorch 之上加了一层工程抽象，让训练代码更简洁。StatsModels 同样 45 分，做统计建模和计量经济学的人对它很熟。PySpark 44 分，大数据场景下的分布式计算主力。LightGBM 42 分，微软出品的梯度提升框架，在竞赛和工业界都有大量使用。

这些项目的信息粒度很细。每个项目都会列出 GitHub 上的贡献者数、Fork 数、Issue 总量和未关闭比例、最近更新时间，还会列出 PyPI 和 Conda 的月下载量、被依赖的项目数。想快速判断一个库是否活跃、是否被广泛使用，看这些数字就够了。

这个清单适合谁

如果你是机器学习方向的开发者，选技术栈的时候可以先来这里查一下对应分类，看看头部项目有哪些、各自的社区活跃度如何。如果你在做技术调研，比如要选一个向量数据库或者一个模型可解释性工具，这个清单能帮你快速缩小范围，省掉大量逐个搜索和对比的时间。如果你只是想了解整个 Python 机器学习生态的全貌，34 个分类扫一遍，比看任何一篇概述文章都来得全面。

项目的维护方式也值得关注。它不是一个静态的 Awesome 列表，而是有一套自动化的评分和更新机制。每周跑一次，数据都是最新的。如果你想参与，可以直接提 Issue 或者 PR，也可以编辑项目根目录下的 projects.yaml 文件来添加或更新项目。

录下的 projects.yaml 文件来添加或更新项目。