Unsupervised Metric Learning
无监督度量学习算法只将一个(未标记的)数据集 作为输入。目前，只有协方差算法（ Covariance），这是一个简单的基线算法(见下文)。
算法
协方差
协方差“不学习”任何东西，而是计算输入数据的协方差矩阵，这是一种基线算法。可用于 ZCA 数据的白化处理：
Preprocessor
在度量学习中的估计器在实例化时都有一个preprocessor选项。填充这个参数允许他们在拟合、预测等时采用更紧凑的输入表示。
若preprocessor=None，不使用预处理器，用户必须为 fit/predict/score/等提供典型的表示方式。
Array-like
可以指定 preprocessor=x，此处x为一个array-like的数据基样本点。一个有监督的度量学习期的例子：
一个弱监督学习器的例子：
Callable
此外，可以提供一个可调用 preprocessor，estimator接收的是数据点的指示器而不是样本点本身。
注意：当填写 preprocessor 选项时，它允许更紧凑的输入，但传统的输入方式仍然有效（2D array-like对于监督学习器，3D array-like 元组对于弱监督学习器）。如果提供了经典的输入，度量学习器将不会使用预处理器。
关于此的样例：
