Design patterns 需要通用培训数据类的设计建议吗

我想清理并推广我的机器学习“框架”。 我有不同的学习算法，比如boosting或ANN，它们使用不同的学习数据表示。例如，我的ANN实现只是使用由单个实值（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、积分图像或单个实值组成

我希望在一个类中聚合（训练）数据的所有可能表现形式，但我并没有找到一个好的解决方案

---

有一个很好的设计模板来完成这样的任务吗？或者你知道一个“智能”解决方案吗？

我不熟悉机器学习算法，但从你描述的情况来看，听起来好像有几个类执行相同的操作（“学习”或“分析”），但它们以不同的方式执行（ANN、Boosting等）

我建议看看设计模式。您可以使用所有各种学习算法实现的单个操作构建一个抽象类（或接口）。让我们调用这个类BaseLearningAlgorithm

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

您最不需要的是（或依赖项注入，或任何其他解决方案）根据您决定的任何参数创建您想要的子类

这种设计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（）