给 sklearn 模型做 AI 体检，一眼揪出过拟合和数据泄漏
sklearn-diagnose 是一个面向 Scikit-learn 模型的 AI 诊断工具，旨在帮助数据科学家快速识别模型训练中的常见问题，如过拟合、数据泄漏、类别不平衡等。它通过分析模型训练过程中的关键指标（如学习曲线、特征重要性、混淆矩阵等），结合 LLM 生成自然语言的洞察和建议，降低调试门槛。核心能力包括自动检测过拟合和欠拟合、识别数据泄漏风险、评估类别不平衡影响，并提供可操作的改进建议。该工具以 Python 库的形式集成到现有工作流中，支持与 Jupyter Notebook 无缝协作，适合模型开发阶段的快速健康检查。
Yellowbrick、scikit-learn 内置的 learning_curve 和 validation_curve、Sweetviz
sklearn-diagnose 是模型训练领域的开源项目，由 leockl 开发，是 2026 年新上线的项目。
它收录于模型训练分类，该分类目前共有 518 个项目，GitHub 星标数为 62。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-06-01。MIT许可证，完全免费，可自行部署使用。
它主要面向的使用场景是：模型训练后快速检查是否存在过拟合或数据泄漏。同类可对比的替代方案包括 Yellowbrick、scikit-learn 内置的 learning_curve 和 validation_curve、Sweetviz。
上一篇：plexe
Long-RL
开源
让强化学习轻松驾驭超长序列，训练更稳更快
Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)
TPA
开源
把注意力复杂度从平方降到线性，长序列不再卡顿
[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···
minimind
开源
两小时造出你的小模型，练手入门不求人
Train a 64M-parameter LLM from scratch in just 2h!
pruna
开源
一键优化 AI 模型，推理提速又省资源。
Pruna is a model optimization framework built for developers, enabling you to delive···
