nok/sklearn-porter

这是什么？

核心功能

• 01将分类器、回归器和异常检测器转译为七种语言的代码。
• 02支持常见预处理、特征选择转换器以及流水线。
• 03提供 attached、exported、combined 三种模型数据存储模板。
• 04同时提供 Python 接口和 `porter` 命令行工具。
• 05内置测试函数，可对比移植代码与原模型的预测结果。

适用场景

• 在没有 Python 的嵌入式设备上运行已训练的 scikit-learn 模型。
• 在 Java、Go 或 PHP 后端中直接调用模型，无需额外部署 Python 服务。
• 在浏览器中用 JavaScript 运行分类模型。

快速上手

1. 1

   使用 uv 安装该包

   uv add sklearn-porter
2. 2

   或使用 pip 安装

   pip install sklearn-porter
3. 3

   在 Python 中训练 scikit-learn 模型，并用 port(clf, language='js') 转译

使用前须知

• !需要 Python 3.11 或更高版本以及 scikit-learn 1.8 或更高版本。
• !仅支持固定列表中的 scikit-learn 估计器和转换器。

收录于专题

标签

常见问题

sklearn-porter 是什么？

一个将训练好的 scikit-learn 模型和转换器转译为 C、Go、Java、JavaScript 等语言代码的 Python 工具。 sklearn-porter 可以把训练好的 scikit-learn 估计器、转换器或流水线转译为 C、C#、Go、Java、JavaScript、PHP 或 Ruby 代码。生成的代码无需 Python 运行环境即可做预测，适合嵌入式设备、浏览器或已有的其他语言应用。

sklearn-porter 可以免费使用吗？用的什么许可证？

sklearn-porter 以 BSD-3-Clause 许可证开源。用于商业产品前，请先确认许可证条款。

sklearn-porter 还在维护吗？

活跃维护中。sklearn-porter 最近一次提交是在 2026年11月5日。

sklearn-porter 适合用来做什么？

在没有 Python 的嵌入式设备上运行已训练的 scikit-learn 模型。 在 Java、Go 或 PHP 后端中直接调用模型，无需额外部署 Python 服务。 在浏览器中用 JavaScript 运行分类模型。

sklearn-porter 怎么安装和运行？

使用 uv 安装该包: uv add sklearn-porter 或使用 pip 安装: pip install sklearn-porter 在 Python 中训练 scikit-learn 模型，并用 port(clf, language='js') 转译

在哪里获取 sklearn-porter？

源代码和安装说明在 GitHub 上：https://github.com/nok/sklearn-porter