什么是 chemotools？

chemotools 是一个用于光谱预处理和化学计量学建模的开源 Python 包。它直接与 scikit-learn 生态系统集成，支持可重现且可扩展的光谱模型开发。

• 丰富的工具集： 适用于各类光谱数据的转换器。

• 可组合且可扩展：可直接集成并能随您工作流程发展的管道。

• 可靠且透明： 经过严格测试、同行评审并且开源。

备注

构建您所需，集成您所信，扩展无妥协。

提示

Curious about scikit-learn? See the dedicated scikit-learn overview.

丰富的工具集

光谱学是多样化的——不同的仪器、样品基质和分析目标需要不同的方法。chemotools 为光谱数据提供了一套专注的转换器，并使将它们组装成预处理管道变得简单。通过连接到更广泛的 Python 生态系统，您可以利用先进的机器学习和科学库来构建稳健的端到端光谱模型。

备注

将您的预处理与 scikit-learn 生态系统连接起来，以解锁用于特征选择、模型调优、验证和部署的广泛工具栈。

提示

Want to explore the tools at your fingertips? Visit the explore overview.

可组合与可扩展

chemotools 将预处理转变为模块化、可组合的过程：每个转换器都遵循 fit / transform API，并直接与 scikit-learn 管道集成。预处理、特征选择、建模和验证可以直接链接——无需适配器。

这种可组合性确保了可重现性（管道是声明式的）、稳健性（无需重构即可交换模块）和可扩展性（利用生态系统已支持的基础设施进行并行化和部署）。

备注

从探索到部署，chemotools 与您的工作流程共同成长。

质量与透明度

chemotools 将可扩展性和可伸缩性与开源透明度相结合，使得验证和信任从一开始就更加容易。

• 全面测试 — 通过广泛的 单元测试 和持续的代码覆盖率来确保可靠性和稳健性。

• 透明度 — 我们在每个版本中都提供 CycloneDX 格式的软件物料清单 (SBOM)，以支持在受监管环境中的验证和审核。

• 同行评审 — 经过独立同行评审后，发表于 Journal of Open Source Software (JOSS)。

备注

质量、透明度和信任——从一开始就内置其中。