以下代码,大多是从
复制而来工作正常。
module SVMModule
open Accord.MachineLearning
open Accord.MachineLearning.VectorMachines
open Accord.MachineLearning.VectorMachines.Learning
open Accord.Statistics.Kernels
open Accord.Math.Optimization.Losses
// open MathNet.Numerics.LinearAlgebra.Matrix
let inputs = [| [| 0.; 0. |]; [| 0.; 1. |]; [| 1.; 0. |]; [| 1.; 1. |] |]
let xor = [| 0; 1; 1; 0 |]
/// Creates and trains a Support Vector Machine given inputs and outputs.
/// The kernel can be Linear, Gaussian, or Polynomial.
/// The default tolerance is 1e-2.
let train (C: float) (tol: float) (inputs: float [] []) =
let learn = SequentialMinimalOptimization<Gaussian>()
learn.UseComplexityHeuristic <- true
learn.UseKernelEstimation <- true
if C >= 0. then learn.Complexity <- C
if tol > 0. then learn.Tolerance <- tol
let svm = learn.Learn(inputs, xor)
svm
let svm = train 0.5 1e-2 inputs
let prediction = svm.Decide inputs
printfn "SVM_0 Prediction: %A" prediction
我想实现train
的多态版本,类似于
let train (kernel: string) (C: float) (tol: float) (inputs: float [] []) =
let learn =
if kernel = "Gaussian" then
SequentialMinimalOptimization<Gaussian>()
else
SequentialMinimalOptimization<Linear>()
// More code
这不起作用,因为if
表达式必须在其所有分支中返回相同类型的对象。
我想知道是否有办法将Linear
或Gaussian
作为类型传递给train
(这些确实是类型),这样我就不必编写一个列车功能了每种类型(trainGaussian
和trainLinear
)。 Akso,即使我在编写这些单独的函数时遇到了麻烦,我想根据用户的选择在运行时调用它们也很困难,因为if
语句的相同问题会使其丑陋的头脑。 / p>
我使用接口在F#
中实现了多态性,但是我自己构建了类。这些类在Accord.NET
中,即使它们从基类继承,我也无法处理类型问题并实现多态。
感谢您的任何建议。
答案 0 :(得分:4)
简单地用类型参数Gaussian
替换具体类型't
应该是直截了当的(并且,可选地,将其作为显式类型参数添加到train
)。在执行此操作时,我已经非常轻松地清理了现有代码:
let train<'t> (C: float) (tol: float) (inputs: float [] []) =
let learn = SequentialMinimalOptimization<'t>(UseComplexityHeuristic = true, UseKernelEstimation = true)
if C >= 0. then learn.Complexity <- C
if tol > 0. then learn.Tolerance <- tol
learn.Learn(inputs, xor)
然后在调用站点,需要通过某种方式让编译器知道要使用的类型,方法是明确地传递它:
let svm = train<Gaussian> 0.5 1e-2 inputs
或依靠类型推断来从程序的另一部分传递类型:
let svm:Gaussian = train 0.5 1e-2 inputs