Sklearn ├── neighbors
│ ├── KNeighborsClassifier, KNeighborsRegressor
├── preprocessing │ ├── RadiusNeighborsClassifier, RadiusNeighborsRegressor
│ ├── StandardScaler, MinMaxScaler, RobustScaler, │ └── NearestNeighbors, LocalOutlierFactor
│ │ Normalizer │
│ ├── Binarizer, FunctionTransformer, KBinsDiscretizer ├── svm
│ ├── OneHotEncoder, OrdinalEncoder, LabelEncoder, │ ├── SVC, SVR, NuSVC, NuSVR
│ │ LabelBinarizer, MultiLabelBinarizer │ ├── LinearSVC, LinearSVR
│ └── PowerTransformer, QuantileTransformer │ └── OneClassSVM
│ │
├── feature_extraction ├── naive_bayes
│ ├── text │ └── GaussianNB, MultinomialNB, BernoulliNB,
│ │ ├── CountVectorizer, TfidfVectorizer, TfidfTransformer │ ComplementNB
│ │ └── HashingVectorizer │
│ ├── image
│ │ └── PatchExtractor ├── discriminant_analysis
│ └── DictVectorizer, FeatureHasher │ ├── LinearDiscriminantAnalysis
│ │ └── QuadraticDiscriminantAnalysis
│
├── feature_selection
│ ├── VarianceThreshold ├── cluster
│ ├── SelectKBest, SelectPercentile, GenericUnivariateSelect │ ├── KMeans, MiniBatchKMeans
│ ├── RFE, RFECV │ ├── DBSCAN, OPTICS
│ └── SelectFromModel │ ├── AgglomerativeClustering, Birch, MeanShift,
│ │ │ AffinityPropagation
│ └── SpectralClustering
├── model_selection │
│ ├── train_test_split
│ ├── KFold, StratifiedKFold, GroupKFold, TimeSeriesSplit ├── manifold
│ ├── cross_val_score, cross_validate, cross_val_predict │ └── TSNE, Isomap, LocallyLinearEmbedding, MDS,
│ ├── GridSearchCV, RandomizedSearchCV │ SpectralEmbedding
│ └── validation_curve, learning_curve │
│ ├── decomposition
├── pipeline │ ├── PCA, IncrementalPCA, KernelPCA
│ ├── Pipeline, make_pipeline │ └── TruncatedSVD, FastICA, NMF
│ ├── FeatureUnion, make_union │
│ └── ColumnTransformer ├── gaussian_process
│ │ ├── GaussianProcessRegressor, GaussianProcessClassifier
├── compose │ └── kernels (RBF, Matern, DotProduct, ConstantKernel)
│ ├── ColumnTransformer │
│ └── TransformedTargetRegressor ├── covariance
│ │ ├── EmpiricalCovariance, LedoitWolf, OAS, MinCovDet
├── linear_model │ └── GraphicalLasso, GraphicalLassoCV
│ ├── LinearRegression, Ridge, Lasso, ElasticNet, │
│ │ BayesianRidge, ARDRegression ├── semi_supervised
│ ├── LogisticRegression, LogisticRegressionCV │ └── LabelPropagation, LabelSpreading
│ ├── SGDClassifier, SGDRegressor, Perceptron, │
│ │ PassiveAggressiveClassifier
├── multioutput
│ └── RidgeClassifier, RidgeClassifierCV
│ └── MultiOutputClassifier, MultiOutputRegressor,
│
│ ClassifierChain
├── tree │
│ ├── DecisionTreeClassifier, DecisionTreeRegressor
├── metrics
│ └── export_text, export_graphviz
│ ├── classification: accuracy_score, precision_score,
│
│ │ recall_score, f1_score, roc_auc_score, confusion_matrix,
├── ensemble │ │ classification_report
│ ├── RandomForestClassifier, RandomForestRegressor │ ├── regression: mean_squared_error, mean_absolute_error,
│ ├── GradientBoostingClassifier, GradientBoostingRegressor │ │ r2_score
│ ├── AdaBoostClassifier, AdaBoostRegressor │ └── clustering: silhouette_score, calinski_harabasz_score
│ ├── BaggingClassifier, BaggingRegressor │
│ ├── VotingClassifier, VotingRegressor
└── neural_network
│ └── StackingClassifier, StackingRegressor
└── MLPClassifier, MLPRegressor
│
TensorFlow
│ ├── adjust_brightness, adjust_contrast,
│ │ adjust_saturation, adjust_hue
│ ├── random_crop, random_flip_left_right,
├── keras │ │ random_flip_up_down, random_brightness
│ ├── models │ ├── rgb_to_grayscale, grayscale_to_rgb
│ │ ├── Sequential, Model │ └── convert_image_dtype
│ │ └── load_model, save_model, clone_model │
│ │
├── audio
│ ├── layers │ ├── decode_wav, encode_wav
│ │ ├── Core: Dense, Activation, Dropout, Flatten, │ ├── spectrogram
│ │ │ Reshape, Input │ └── mfccs_from_log_mel_spectrograms
│ │ ├── Convolution: Conv1D, Conv2D, Conv3D, │
│ │ │ SeparableConv2D, DepthwiseConv2D
│ │ ├── Pooling: MaxPooling1D/2D/3D, ├── text
│ │ │ AveragePooling1D/2D/3D, │ ├── Tokenizer
│ │ │ GlobalMaxPooling2D │ │ ├── UnicodeScriptTokenizer
│ │ ├── RNN: SimpleRNN, GRU, LSTM, │ │ ├── WhitespaceTokenizer
│ │ │ ConvLSTM2D, Bidirectional │ │ └── WordpieceTokenizer
│ │ ├── Normalization: BatchNormalization, │ ├── SentencepieceTokenizer
│ │ │ LayerNormalization │ ├── normalize_utf8
│ │ ├── Embedding: Embedding │ └── regex_split
│ │ └── Merge: Add, Multiply, Concatenate │
│ │ ├── math
│ ├── optimizers │ ├── add, subtract, multiply, divide, floordiv
│ │ ├── Adam, SGD, RMSprop, Adagrad, Adadelta │ ├── reduce_sum, reduce_mean, reduce_max, reduce_min
│ │ ├── Ftrl │ ├── square, sqrt, abs, exp, log
│ │ └── Nadam │ ├── argmax, argmin
│ │ │ ├── matmul
│ ├── losses │ ├── sigmoid, tanh, softmax
│ │ ├── MeanSquaredError, MeanAbsoluteError │ └── linalg
│ │ ├── BinaryCrossentropy, CategoricalCrossentropy, │ ├── matvec, matmul
│ │ │ SparseCategoricalCrossentropy │ ├── inv, det
│ │ ├── Hinge, SquaredHinge │ ├── svd, eig
│ │ ├── KLDivergence │ └── norm
│ │ └── Huber │
│ │ └── nn
│ └── metrics
├── activations
│ ├── Accuracy, BinaryAccuracy,
│ ├── relu, sigmoid, tanh, elu, selu,
│ │ CategoricalAccuracy, SparseCategoricalAccuracy
│ │ leaky_relu, softmax
│ ├── Precision, Recall, AUC
│
│ ├── MeanSquaredError, MeanAbsoluteError
│ └── TopKCategoricalAccuracy, ├── convolution
│ SparseTopKCategoricalAccuracy │ ├── conv1d, conv2d, conv3d
│ │ ├── depthwise_conv2d
│ └── atrous_conv2d
├── data │
│ ├── Dataset ├── pooling
│ │ ├── from_tensor_slices, from_tensors, │ ├── max_pool1d, max_pool2d, max_pool3d
│ │ │ from_generator │ └── avg_pool1d, avg_pool2d, avg_pool3d
│ │ ├── interleave, flat_map │
│ │ ├── shuffle, batch, repeat, map, filter, prefetch ├── normalization
│ │ └── take, skip, concatenate
│ └── batch_normalization
│ └── TFRecordDataset
│
│
├── loss functions
├── lite │ ├── softmax_cross_entropy_with_logits
│ ├── TFLiteConverter │ ├── sparse_softmax_cross_entropy_with_logits
│ │ ├── from_saved_model │ └── sigmoid_cross_entropy_with_logits
│ │ ├── from_keras_model │
│ │ └── from_concrete_functions └── embedding
│ └── Interpreter └── embedding_lookup
│
├── image
│ ├── resize, resize_with_pad
│ ├── flip_left_right, flip_up_down, rot90
PIL
│ ├── broadcasting
│ └── array creation: array, asarray, zeros, ones, empty, arange,
│ linspace
├── Image │
│ ├── open, save, show
│ ├── fromarray, frombytes ├── linalg
│ ├── convert, resize, crop, rotate, transpose │ ├── dot, matmul
│ ├── new (create blank image) │ ├── inv, det
│ ├── paste, blend, composite │ ├── norm
│ ├── split, merge │ ├── eig, eigvals
│ └── getpixel, putpixel, getdata, putdata │ ├── svd
│ │ ├── cholesky
│ └── solve, lstsq
├── ImageDraw │
│ ├── Draw(image) # create drawing context
│ ├── line, rectangle, ellipse, polygon ├── fft
│ ├── text, textsize, textbbox │ ├── fft, ifft
│ └── arc, chord, pieslice │ ├── fft2, ifft2
│ │ ├── fftn, ifftn
│ ├── rfft, irfft
├── ImageFont │ └── fftshift, ifftshift
│ ├── truetype(font, size) # load TTF font │
│ ├── load_default() # basic font
│ └── getsize, getmask ├── random
│ │ ├── Generator
├── ImageFilter │ │ ├── random, integers, choice, shuffle, permutation
│ │ ├── normal, uniform, exponential, poisson, binomial
│ ├── BLUR, CONTOUR, DETAIL, EDGE_ENHANCE
│ │ └── beta, gamma, chi-square
│ ├── SHARPEN, SMOOTH, EMBOSS, FIND_EDGES
│ └── legacy (RandomState)
│ └── GaussianBlur, UnsharpMask, RankFilter
│
│
├── ma (masked arrays)
├── ImageOps
│ ├── masked_array
│ ├── grayscale, colorize
│ ├── mask_rows, mask_cols
│ ├── invert, equalize, autocontrast
│ ├── nomask
│ ├── flip, mirror
│ ├── masked_equal, masked_less, masked_greater
│ ├── expand (add border)
│ └── filled
│ ├── crop, scale
│
│ └── posterize, solarize
│ ├── polynomial
├── ImageEnhance │ ├── poly1d
│ ├── polyfit, polyval
│ ├── Color
│ ├── Polynomial (new class)
│ ├── Brightness
│ ├── Chebyshev
│ ├── Contrast
│ ├── Legendre
│ └── Sharpness
│ └── Hermite
│
│
└── ImageChops
├── testing
├── add, subtract, multiply, screen
│ ├── assert_allclose
├── lighter, darker
│ ├── assert_array_equal
├── difference
│ ├── assert_array_almost_equal
├── invert
│ └── assert_raises
└── blend, composite
│
└── lib
numpy ├── index_tricks
│ ├── r_, c_, mgrid, ogrid
├── core
│ └── ix_
│
│ ├── ndarray
│ ├── dtype ├── scimath
│ ├── sqrt, log, log10, logn
│ ├── ufuncs
│ ├── arcsin, arccos, arctan
│ │ ├── arithmetic: add, subtract, multiply, divide, power
│ └── power
│ │ ├── comparison: greater, less, equal, not_equal
│
│ │ ├── trigonometric: sin, cos, tan, arcsin, arccos
│ │ ├── exponential/log: exp, log, log10, log2 └── stride_tricks
│ │ └── rounding: floor, ceil, round, trunc ├── as_strided
│ ├── indexing/slicing └── broadcast_to