1、Scikit-Learn
Scikit-Learn基於Numpy和Scipy，是專門為機器學習建造的壹個Python模塊，提供了大量用於數據挖掘和分析的工具，包括數據預處理、交叉驗證、算法與可視化算法等壹系列接口。
Scikit-Learn基本功能可分為六個部分：分類、回歸、聚類、數據降維、模型選擇、數據預處理。其中集成了大量分類、回歸、聚類功能，包括支持向量機、邏輯回歸、隨機森林、樸素貝葉斯等。
2、Orange3
Orange3是壹個基於組件的數據挖掘和機器學習軟件套裝，支持Python進行腳本開發。它包含壹系列的數據可視化、檢索、預處理和建模技術，具有壹個良好的用戶界面，同時也可以作為Python的壹個模塊使用。
用戶可通過數據可視化進行數據分析，包含統計分布圖、柱狀圖、散點圖，以及更深層次的決策樹、分層聚簇、熱點圖、MDS等，並可使用它自帶的各類附加功能組件進行NLP、文本挖掘、構建網絡分析等。
3、XGBoost
XGBoost是專註於梯度提升算法的機器學習函數庫，因其優良的學習效果及高效的訓練速度而獲得廣泛的關註。XGBoost支持並行處理，比起同樣實現了梯度提升算法的Scikit-Learn庫，其性能提升10倍以上。XGBoost可以處理回歸、分類和排序等多種任務。
4、NuPIC
NuPIC是專註於時間序列的壹個機器學習平臺，其核心算法為HTM算法，相比於深度學習，其更為接近人類大腦的運行結構。HTM算法的理論依據主要是人腦中處理高級認知功能的新皮質部分的運行原理。NuPIC可用於預測以及異常檢測，使用面非常廣，僅要求輸入時間序列即可。
5、Milk
Milk是Python中的壹個機器學習工具包。Milk註重提升運行速度與降低內存占用，因此大部分對性能敏感的代碼都是使用C++編寫的，為了便利性在此基礎上提供Python接口。重點提供監督分類方法，如SVMs、KNN、隨機森林和決策樹等。