metric-learn 0.7.0

metric-learn: Python中的度量学习

metric-learn 包含了几个流行的监督学习和弱监督度量学习算法的高效Python实现。作为 scikit-learn-contrib 的一部分，metric-learn 的API与 scikit-learn 兼容，这是Python中领先的机器学习库。这使得可以通过统一的接口使用所有scikit-learn工具（用于管道、模型选择等）与度量学习算法。

算法

• 大间隔最近邻 (LMNN)

• 信息论度量学习 (ITML)

• 稀疏行列式度量学习 (SDML)

• 最小二乘度量学习 (LSML)

• 稀疏组合度量学习 (SCML)

• 邻域成分分析 (NCA)

• 局部Fisher判别分析 (LFDA)

• 相对成分分析 (RCA)

• 核回归用的度量学习 (MLKR)

• 聚类用的马氏距离 (MMC)

依赖项

• Python 3.6+（最后一个支持Python 2和Python 3.5的版本是 v0.5.0）

• numpy>= 1.11.0, scipy>= 0.17.0, scikit-learn>=0.21.3

可选依赖项

• 对于SDML，使用skggm将允许算法解决问题案例（从提交 a0ed406 安装）。使用 pip install 'git+https://github.com/skggm/skggm.git@a0ed406586c4364ea3297a658f415e13b5cbdaf8' 从GitHub安装所需的skggm版本。

• 仅运行示例时：matplotlib

安装/设置

• 如果您使用Anaconda： conda install -c conda-forge metric-learn。有关更多选项，请参阅 此处。

• 要从PyPI安装： pip install metric-learn。

• 要手动安装最新代码，请下载源代码库并运行 python setup.py install。然后您可以运行 pytest test 来运行所有测试（您需要安装 pytest 包）。

用法

有关安装、API、用法和示例的完整文档，请参阅 sphinx文档。

引用

如果您在科学出版物中使用metric-learn，我们希望您引用以下论文

metric-learn: Python中的度量学习算法，de Vazelhes 等人，机器学习研究杂志，21(138):1-6，2020。

Bibtex条目

@article{metric-learn,
  title = {metric-learn: {M}etric {L}earning {A}lgorithms in {P}ython},
  author = {{de Vazelhes}, William and {Carey}, CJ and {Tang}, Yuan and
            {Vauquier}, Nathalie and {Bellet}, Aur{\'e}lien},
  journal = {Journal of Machine Learning Research},
  year = {2020},
  volume = {21},
  number = {138},
  pages = {1--6}
}