rust-ml/linfa

解決的問題

Linfa 為在 Rust 中建構機器學習應用程式提供了一個全面的工具包。其目標是將 Python 的 scikit-learn 功能帶入 Rust 生態系，提供標準化的方式來處理常見的預處理任務與古典機器學習演算法。

作法原理

Linfa 以一系列子套件的形式組織，每個子套件專注於特定的機器學習類別。它提供監督學習（如決策樹與 SVM）、非監督學習（如 K-Means 與 DBSCAN）以及關鍵預處理工具（如 PCA 與標準化）的實作。對於性能關鍵的線性代數運算，預設使用純 Rust 實作，但允許使用者選擇外部 BLAS/LAPACK 後端，例如 OpenBLAS 或 Intel MKL。

適用對象

專為希望在 Rust 環境中實作古典機器學習工作流程的開發者設計，可充分利用 Rust 的安全性與效能優勢。

主要特色

• 廣泛的演算法支援：包含朴素貝葉斯、隨機森林、邏輯迴歸與支援向量機。
• 聚類與降維：支援 K-Means、t-SNE 與主成分分析（PCA）。
• 彈性後端支援：支援純 Rust 線性代數或高效能外部 BLAS/LAPACK 套件。
• Web 相容性：包含 wasm-bindgen 功能，可透過 WASM 在瀏覽器中執行。