MLJ.jl项目：统计测量方法文档更新解析

在Julia语言的机器学习生态系统MLJ.jl中，统计测量方法的使用方式近期发生了重要变化。本文将为开发者详细解析这一变更的技术背景和迁移方案。

核心变更内容

原先在MLJ.jl中，用户可以通过info(rms)这样的方法调用获取均方根误差(RMS)测量器的文档信息。但在最新版本中，该方法调用方式已被弃用，取而代之的是两种更规范的查询方式：

1. 直接文档查询：若已知测量器的名称或别名，可直接使用Julia帮助系统查询（如?rms）
2. 字符串搜索：通过measures("rms")函数搜索所有文档字符串中包含"rms"的测量器

技术背景

这一变更源于MLJ.jl底层依赖的StatisticalMeasures.jl包的架构改进。新设计将测量器的元数据查询功能统一整合到标准文档系统中，使得：

• 测量器文档与其他Julia对象文档保持一致的查询方式
• 支持更灵活的模糊搜索机制
• 减少了特殊方法的数量，简化了API设计

迁移指南

对于现有代码中使用了info方法的用户，建议进行如下替换：

# 旧方式（已弃用）
info(rms)

# 新方式1：直接查询文档
?rms

# 新方式2：搜索相关测量器
measures("rms")

最佳实践

1. 对于精确查询已知测量器，优先使用?测量器名的标准文档查询
2. 当不确定具体测量器名称时，使用measures函数进行模糊搜索
3. 在开发新包时，确保为自定义测量器编写完整的文档字符串，以便能被measures函数检索到

影响范围

这一变更主要影响：

• 直接调用测量器info方法的代码
• 教程和文档中相关示例
• 自动化测试脚本中可能存在的硬编码查询

项目维护团队已经更新了官方速查表(cheatsheet)，移除了相关过时信息。开发者应相应更新自己的代码和文档。

通过这次变更，MLJ.jl的测量器查询接口变得更加一致和符合Julia生态的通用模式，长期来看将提升开发体验和代码可维护性。