14 hibrit tabular sınıflandırıcı, deney protokolleri, fairness denetimi, drift izleme ve yapılandırılmış HTML rapor üretecini tek bir pakette toplayan sklearn uyumlu Python araç seti.
clinikit, tablo veriler üzerinde sınıflandırma için sklearn uyumlu, hafif bir Python araç setidir. Başlangıç noktası basit bir deney hedefiydi: PIMA diyabet veri setinde daha savunulabilir, daha kontrollü ve daha tekrar üretilebilir bir deney akışı kurmak.
Bu süreçte ortaya çıkan 14 hibrit sınıflandırıcı, beş deney protokolü, kalibrasyon ve label-noise tanılaması, alt grup fairness denetimi, drift izleme ve yapılandırılmış HTML rapor üreteci tek bir pakette toplandı. clinikit üretim dağıtımı için değil, araştırma ve geliştirme iş akışları için tasarlandı.
Tabular ML ekosistemi güçlü ama parçalı durumda. Tipik bir uygulamalı iş akışı, çekirdek estimator için scikit-learn, label-noise kontrolü için Cleanlab, alt grup analizi için Fairlearn, conformal prediction için MAPIE ve elle yazılmış raporlama scriptlerini bir araya getirmek zorunda kalıyor.
Bu parçaların her birinin farklı API'si, farklı yapılandırma tarzı ve farklı tekrarlanabilirlik hikâyesi var. Hızlı bir baseline kurmak ya da savunulabilir bir deney raporu üretmek istediğinizde, bu araçları birbirine bağlamak çoğu zaman modellemenin kendisinden uzun sürüyor. clinikit bu dağınıklığı azaltmak için ortaya çıktı.
clinikit tek bir import yüzeyi altında 27 modül sunar:
check_estimator testlerini geçer.clinikit train | benchmark | audit | validate | report.Paketin amacı tek bir skor üretmek değil, deney sürecini daha okunabilir, denetlenebilir ve tekrar üretilebilir hale getirmektir.
clinikit, PyPI'da Mayıs 2026'da v0.1.0 olarak yayınlandı. Ardından 0.1.1 sürümüyle küçük iyileştirmeler geldi. Paket MIT lisanslıdır, Python 3.10, 3.11, 3.12 ve 3.13 sürümlerini destekler. Ubuntu, macOS ve Windows üzerinde CI ile test edilir.
Mevcut sürümde 485 test geçer ve yaklaşık yüzde 89 satır kapsamı bulunur. Kurulum tek komutla yapılır: pip install clinikit.
API tasarımı, 27 modülün implementasyonu, test paketi, CI/CD pipeline ve ilk PyPI yayını tek elden geliştirildi. Başta tek bir deney hedefi olarak başlayan süreç, tablo veriler üzerinde çalışan araştırmacılar ve geliştiriciler için kullanılabilir bir açık kaynak araç setine dönüştü.