design-patterns - 需要通用训练数据类的设计建议

Question

我想清理并概括我的机器学习“框架”。我有不同的学习算法，例如提升或人工神经网络，它们使用不同的学习数据表示。例如，我的 ANN 实现仅使用由单个实值（以及表示其类的值）组成的数据样本。另一方面，我的 boosting 实现使用了在图像上计算的类似 Haar 的特征。因此，我的训练数据可能由图像、积分图像或单个实数值组成。

我希望将（训练）数据的所有可能表现形式汇总到一个类中，但我还没有找到一个好的解决方案。

这样的任务是否有一个不错的设计模板，或者您知道“智能”解决方案吗？

Answer 1

我不熟悉机器学习算法，但从你的描述听起来你有几组执行相同动作的类（“学习”或“分析”），但它们以不同的方式（ANN，升压等）。

我建议查看策略设计模式。您可以使用所有各种学习算法实现的单个操作来构建一个抽象类（或接口）。让我们称这个类为 BaseLearningAlgorithm。

而不是为每个算法创建一个子类，例如 ANNLearningAlgorithm、BoostingLearningAlgorithm 等。

您需要的最后一件事是工厂方法（或依赖注入或任何其他解决方案）来根据您决定的任何参数创建您想要的子类。

这种设计将允许您轻松添加新的学习算法，而无需更改您已经编写的任何代码行 ( OCP )。