开源项目 `notears` 下载及安装教程

1. 项目介绍

notears 是一个用于结构学习的开源项目，旨在通过连续优化方法来学习有向无环图（DAG）。该项目由Xun Zheng等人开发，并在NeurIPS 2018和AISTATS 2020上发表了相关论文。notears 提供了一种新颖的方法，通过将结构学习问题转化为连续优化问题，避免了传统的组合约束问题。

2. 项目下载位置

你可以通过以下链接访问 notears 项目的GitHub仓库并进行下载：

GitHub - xunzheng/notears

3. 项目安装环境配置

在安装 notears 之前，请确保你的系统满足以下环境要求：

• Python 3.6 或更高版本
• numpy
• scipy
• python-igraph（需要先安装igraph C核心和pkg-config）
• torch（可选，仅用于非线性模型）

环境配置示例

以下是配置环境的步骤：

1. 安装Python： 确保你的系统上安装了Python 3.6或更高版本。你可以通过以下命令检查Python版本：

   python --version
   

2. 安装依赖库： 使用 pip 安装所需的Python库：

   pip install numpy scipy python-igraph torch
   

3. 安装igraph C核心和pkg-config（如果尚未安装）：

   sudo apt-get install libigraph0-dev pkg-config
   

环境配置图片示例

4. 项目安装方式

你可以通过以下步骤安装 notears 项目：

1. 克隆项目仓库： 使用 git 克隆 notears 仓库到本地：

   git clone https://github.com/xunzheng/notears.git
   

2. 进入项目目录： 进入克隆的项目目录：

   cd notears
   

3. 安装项目： 使用 pip 安装项目：

   pip install .
   

5. 项目处理脚本

notears 项目提供了多个处理脚本，用于不同的结构学习任务。以下是一些常用的脚本：

• linear.py：包含NOTEARS算法的60行实现，支持L1正则化和多种损失函数。
• nonlinear.py：用于非线性模型的NOTEARS实现，使用多层感知机（MLP）或基函数扩展。
• locally_connected.py：用于MLP的特殊层结构。
• lbfgsb_scipy.py：scipy的LBFGS-B优化器的包装器。
• utils.py：包含图模拟、数据模拟和准确性评估的实用函数。

运行示例

以下是一个简单的示例，展示如何运行 linear.py 脚本：

python notears/linear.py

运行后，你将看到类似以下的输出：

['fdr': 0.0, 'tpr': 1.0, 'fpr': 0.0, 'shd': 0, 'nnz': 20]

该输出表示估计的图结构与真实图结构非常接近。

---

通过以上步骤，你可以成功下载、安装并运行 notears 项目。希望这篇教程对你有所帮助！