返回 AI 工具目录
metric-learn
开发框架人工精选最近核验 2026年7月23日
metric-learn 是 scikit-learn-contrib 社区下的 Python 度量学习库,提供监督与弱监督度量学习算法的高效实现,API 与 scikit-learn 兼容,可直接用于其管道与模型选择。它实现了 LMNN、ITML、SDML、LSML、SCML、NCA、LFDA、RCA、MLKR、MMC 等十余种算法,用于从数据中学习距离度量,以适配分类、聚类、检索等任务对相似性的需求。纯 Python 实现,依赖 numpy、scipy 与 scikit-learn,MIT 开源。
定价开源部署本地运行国内可达国内可达
解决什么问题
- 从数据中学习任务适配的距离度量
- 以统一 API 使用多种度量学习算法
- 嵌入 scikit-learn 管道与调参流程
- 覆盖监督与弱监督(约束/配对)场景
适合
- 需要学习距离度量改善分类或聚类
- 已在 scikit-learn 生态内做建模
- 做相似度检索、近邻或信号匹配
- 研究或对比多种度量学习算法
不适合
- 仅做度量学习,不是通用深度学习框架
- 面向中小规模数据,超大规模需另选方案
- 需具备 scikit-learn 与特征工程基础
- 不含大模型或 agent 相关能力
如何接入
- 遵循 scikit-learn 的 fit/transform 接口
- 可接入 Pipeline 与 GridSearchCV
- 依赖 numpy、scipy、scikit-learn
- 以 pip 安装,提供文档与示例
已知限制
- 算法多为经典方法,非深度度量学习
- 大规模数据下部分算法计算开销较高
- 正式发布停留在 0.7.0(2023 年)
- 需要一定的机器学习背景才能使用
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。