机器学习数据结构输入的最佳实践 我正在为我自己的一些工作开发一个C++机器学习库，我对输入数据的最佳实践感到好奇。现在，我正在考虑使用一个DataManager类来处理从文件、流等中读取数据的I/O操作。在开发过程中，我意识到还需要创建类来管理要素标签（与输入数据关联）和类标签（在训练数据的情况下）

因此，我的实现有一个类，该类将数据从文件（我使用的是UCI机器学习存储库）读取到boost:：variant对象中。DataManager类重载运算符>>，以便我可以从提供的行中读取每个逗号分隔的特征值；如果特征值为“？”，则输入结构t_missing{}

对于类/功能管理器，我认为维护功能/类名的链接列表以及每个功能/类名中的实例数是合适的

无论如何，这只是我对这门课的最初想法，我很想听听关于实现的其他想法/建议。不需要显示代码；我主要是想听听我应该考虑的其他事情。

---

谢谢

一些学习问题是关于稀疏数据的，即具有大量可能特征的数据，其中大多数特征为零。在这种情况下，只存储非零特征更有效

这通常是SVM库的情况，例如，它将向量存储为（特征索引、特征值）对的列表。例如，他们将用于向量的格式：

 [0, 1, 0, 0, 1, 0, 0, 1]

将是：（索引从1开始）

 2:1 5:1 8:1