Scikit-learn 1.9 リリースでは、既存の機械学習モデルに大幅な改善が加えられました。容易に確認できる強化点としては、ノートブックでのHTML表示がリッチになり、フィッティングされた属性やColumnTransformerの出力特徴量名が表示されるようになりました。新しい実験的なコールバックメカニズムが導入され、モデルトレーニング中のプログレスバーや高度なモニタリングが可能になりました。このコールバックシステムは、並列コンピューティング環境でも、柔軟な進捗状況の追跡を可能にするように設計されています。当初、コールバックはロジスティック回帰、SearchCVオブジェクト、パイプライン、StandardScalerで利用可能です。このリリースでは、統計と数値計算の改善にも重点が置かれ、多様な入力とモデリングの選択肢全体でscikit-learnルーチンの信頼性が向上しています。ツリーベースのモデルは、欠損値と単調制約に対するネイティブサポートを得ました。線形モデルは、ロジスティック回帰でのfloat32サポートと、RidgeCV/ClassifierCVでの安定性の向上から恩恵を受けています。Scikit-learnは、進化するSciPyの実践に合わせて、スパース行列ではなくスパース配列を返すようになりました。GPUサポートは拡大しており、ロジスティック回帰、ポアソン回帰、および特定のメトリクスがGPUアクセラレーションを獲得しました。GPUバックエンドのユーザーエクスペリエンスはまだ開発中ですが、コントリビューターの参加にとって主要な分野となっています。Scikit-learnプロジェクトは、ボランティアや財政的スポンサーからの貢献によって成り立っています。