Scikits是基于Python的科学工具箱周围建SciPy的，Python库进行科学计算。Scikit学习是一个开源的项目主要集中在机器学习：分类，回归，聚类，降维，选型和预处理。这是一个相当保守的项目，该项目是很小心避免范围蠕变和跳跃在未经证实的算法，可维护性和有限的开发者资源的原因。在另一方面，它具有的固体算法相当不错的选择，它使用用Cython（Python的对C语言编译器），用于功能需要被快速，如内部循环。
在这些领域Scikit学习呢不盖深学习，强化学习，图形模型和序列预测。它被定义为中和为Python之中，因此不会对其他语言的API。Scikit学习不支持PyPy，快速刚刚在时间编译Python实现，因为它依赖与NumPy和SciPy的不完全支持PyPy。
Scikit学习不支持GPU加速具有复杂性和机器的依赖，这样会带来做多的理由。话又说回来，除了神经网络，Scikit学习对GPU加速没有必要。
Scikit学习功能
正如我所说，Scikit学习有算法进行分类，回归，聚类，降维，选型和预处理一个很好的选择。在分类区，这是关于识别到的对象所属的类别，被称为监督学习，它实现了支持向量机（SVM），最近的邻居，logistic回归，随机森林，决策树，依此类推，直至一个多层次的感知器（MLP）神经网络。
然而，Scikit学习的实现MLP是明确不适合大规模应用。对于大规模的，基于GPU的实现和深学习，看向了很多相关项目的Scikit学习，其中包括Python的友好深层神经网络框架，如Keras和Theano。