scikit-learn（旧称scikits.learn、又称sklearn）は、Pythonプログラミング言語向けの無料かつオープンソースの機械学習ライブラリです。分類・回帰・クラスタリングの各種アルゴリズム（サポートベクターマシン、ランダムフォレスト、勾配ブースティング、k-means、DBSCANなど）を備え、Pythonの数値計算・科学計算ライブラリであるNumPyおよびSciPyとの相互運用を目的として設計されています。このプロジェクトはNumFOCUSの財政支援を受けるプロジェクトであり、特に古典的（非深層）学習タスクにおいて、世界で最も広く採用されている機械学習フレームワークの一つです>
このライブラリは、予測モデルの構築と評価のための一貫したインターフェースを提供し、機械学習への一般的な入り口となっています。そのAPI設計はestimator.fit()およびestimator.predict()メソッドを中心としており、ユーザーは最小限のコード変更でアルゴリズムを切り替えることができます>
歴史
このプロジェクトは、2007年にフランスのデータサイエンティストDavid CournapeauによるGoogle Summer of Codeの取り組みとして、scikits.learnとして始まりました。名称は、機械学習のための科学ツールキットとしての役割に由来し、当初はSciPyのサードパーティ拡張として配布されていました>2010年には、フランス国立情報学自動制御研究所（INRIA）サクレー校の貢献者であるFabian Pedregosa、Gaël Varoquaux、Alexandre Gramfort、およびVincent Michelが主導権を握り、2010年2月1日に最初の公開版をリリースしました>
このプロジェクトはNumFOCUSの支援を受けるプロジェクトとなり、2019年までに1,400人以上の貢献者を擁し、ドキュメントは2018年に4,200万回のアクセスを受けました>2022年のKaggle調査（173か国から約24,000人の回答者）では、最も広く使用されている機械学習フレームワークとして特定されました>最初の安定版であるバージョン1.0.0は、2,100件以上のマージされたプルリクエストを経て、2021年9月24日に登場しました>
実装と設計
scikit-learnは主にPythonで記述され、高性能な線形代数のためにNumPyに依存しています>一部の中核アルゴリズムは、速度向上のためにCythonで実装されています>サポートベクターマシンはLIBSVMのCythonラッパーを使用し、ロジスティック回帰および線形サポートベクターマシンはLIBLINEARの同様のラッパーを使用しています>また、SciPy、Pandas、Matplotlib、およびplotlyを含むPython科学計算スタックと相互運用します>
このライブラリは一貫した推定器インターフェースを提供します：fit()はモデルを訓練し、predict()は出力を生成します>また、訓練・テスト分割、交差検証、グリッドサーチなどの一般的なデータサイエンスタスクのためのユーティリティも提供し、データ前処理とモデル適合ワークフローを宣言的に構造化するためのPipelineメカニズムも備えています>
最新版である1.8は、2025年12月10日にリリースされ、ネイティブのArray APIサポートを追加し、PyTorchおよびCuPy配列を通じて直接GPU計算を可能にしました>このリリースでは、線形モデルの適合効率も改善されました>
アルゴリズムと機能
scikit-learnには、分類・回帰・クラスタリングのための確立されたアルゴリズムの広範なカタログが含まれています>これには、サポートベクターマシン、ランダムフォレスト、勾配ブースティング、k-means、およびDBSCANが含まれます>また、推定器全体で一貫したメソッド（fit()は訓練用、predict()は推論用）を提供しており、この方式はXGBoostやLightGBMなどのライブラリにも採用されています>
このライブラリは、データを訓練セットとテストセットに分割する処理、交差検証、グリッドサーチなど、一般的なデータサイエンスタスクのためのユーティリティメソッドも提供します>Pipelineクラスは、前処理ステップとモデル適合を組み合わせたデータサイエンスワークフローの宣言的構造化を可能にします>
主要アルゴリズムと統合
サポートベクターマシンはLIBSVMのCythonラッパーを通じて実装され、ロジスティック回帰および線形サポートベクターマシンはLIBLINEARの同様のラッパーを使用します>このライブラリは、可視化のためのMatplotlibおよびPlotly、データ操作のためのpandas、科学計算のためのSciPyなど、他のPythonツールと統合します>実際の導入環境では、scikit-learnはデータ処理のためにPandasおよびNumpyと並んで使用されることがよくあります>grid_search