scikit-learn

どんなツールか

scikit-learn は、古典的な機械学習を Python で手軽に扱うための定番ライブラリです。オープンソースで、NumPy や SciPy の上に構築されています。

「結局なに？」を一言でいえば、ディープラーニングではない 機械学習（回帰・分類・クラスタリングなど）を、統一された使い方でまとめて提供するツールキットです。

特徴・仕組み

最大の魅力は 一貫した API です。どのアルゴリズムでも「fit で学習し、predict で予測する」という同じ流れで扱えるため、手法を差し替えても書き方がほとんど変わりません。

• 回帰・分類・クラスタリング・次元削減など主要な手法を一通り網羅。
• 前処理（標準化・エンコーディング）や、評価（交差検証・各種指標）も揃う。
• 複数の処理を直列につなぐ Pipeline で、前処理と学習をひとまとめにできる。

得意・不得意

得意なのは、表形式（テーブル）データに対する古典的な機械学習 です。中小規模のデータで素早くモデルを組み、評価まで一気通貫で回せます。学習・分析の入口としても定番です。

不得意なのは、画像・音声・自然言語のような大規模ディープラーニングや、GPU を前提とした重い学習です。これらは範囲外で、PyTorch / TensorFlow の領域になります。

いつ使うか（他との違い）

「手元の表データで予測・分類をしたい」「まず古典的な手法でベースラインを作りたい」という場面ならまず候補になります。

ニューラルネットワークが必要な用途や GPU 前提の大規模学習はディープラーニングフレームワークに任せ、それ以外の機械学習は scikit-learn、と切り分けると迷いにくくなります。