我需要一个通用训练数据类的设计建议

Question

我想要清理和概括我的机器学习“框架”。我有不同的学习算法，如boosting或ANN，它们使用不同的学习数据表示。例如，我的ANN实现只使用由单个实值(和一个表示其类的值)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，我的训练数据可以由图像、整体图像或单个实值组成。

我希望将(训练)数据的所有可能表现形式聚合到一个类中，但我还没有找到一个很好的解决方案。

对于这样的任务，有没有一个很好的设计模板，或者你知道一个“聪明”的解决方案？

Answer 1

我不熟悉机器学习算法，但从你的描述来看，听起来你有几组类执行相同的操作("Learn“或"Analyze")，但它们以不同的方式实现(ANN，Boosting等)。

我建议研究一下Strategy设计模式。您可以使用所有不同的学习算法实现的单个操作构建一个抽象类(或接口)。让我们将这个类称为BaseLearningAlgorithm。

然后为每个算法创建一个子类，如ANNLearningAlogrithm、BoostingLearningAlgorithm等。

您需要做的最后一件事是使用Factory method (或依赖注入，或任何其他解决方案)来根据您决定的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，而无需更改已编写的任何代码行(OCP)。