我想清理并概括我的机器学习“框架”。 我有不同的学习算法，如boost或ANN，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数值（和表示其类的值）组成的数据样本。另一方面，我的增强实现使用了在图像上计算的类Haar特征。因此，我的训练数据可能包括图像，积分图像或单个实际值。
我希望在单个课程中汇总（训练）数据的所有可能表现形式，但我还没有找到一个很好的解决方案。
是否有适合此类任务的漂亮设计模板，或者您是否知道“智能”解决方案？
答案 0 :(得分：0)
我不熟悉机器学习算法，但从你所描述的内容来看，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实现（ANN，Boosting等）。
我建议查看Strategy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抽象类（或接口）。让我们称这个类为BaseLearningAlgorithm。
比每个算法创建一个子类，如ANNLearningAlogrithm，BoostingLearningAlgorithm等。
您需要的最后一件事是Factory method（或依赖注入，或任何其他解决方案），根据您决定的任何参数创建所需的子类。
此设计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）。