Haskell多態和類型實例

Question

我正在嘗試在Haskell中編寫一個機器學習庫，以研究我的Haskell技能。 我想到了涉及類的一般設計，如下所示：

  class Classifier classifier where
    train :: X -> y -> trainingData
    classify :: trainingData -> x -> y

例如，給定一組示例X及其真實標簽y，train返回在分類函數中使用的trainingData。

所以，如果我想實現KNN，我會這樣做：

data KNN = KNN Int (Int -> Int -> Float) 

第一個int是鄰居的數量，而函數是計算向量之間距離的度量

  instance Classifier KNN where
---This is where I am stuck---

如何實現Classifier類型類函數，以便它們對我將創建的所有分類器都是通用的？ 我覺得我對Haskell的處理過於像語言這樣的命令式OOP，我想以Haskell的方式做這件事。

Answer 1

我想說你需要多參數類型類（帶有可選的函數依賴，或者類型族;我省略了這些類）。

 class Classifier c s l  k where
      train :: c -> [(s, l)] -> k
      classify :: c -> k -> s -> l
      combine :: c -> k -> k -> k

分類器，樣本，標簽和知識類型之間存在四方面的關系。

列車方法從一組樣本 - 標簽（1）對中導出一些知識（k）。 分類方法使用該知識來推斷樣本的標簽。 （組合方法將兩個知識連接在一起;不知道它是否總是適用）。

Answer 2

假設你的類型類不知道分類器提供什么，你可以做類似的事情

class Classifier c where
  train :: [x] -> [y] -> c -> [(x,y)]
  classify :: [(x,y)] -> c -> x > y

這里， train獲取x類型的樣本列表， y類型的標簽列表以及某種類型c的分類器，並且需要返回樣本/標簽對列表。

classify采用樣本/標簽對列表（例如train生成的列表），分類器和樣本，並生成新標簽。

（至少，我可能用Map xy替換[(x,y)] 。）

關鍵是分類器本身需要被train和classify ，盡管您不需要知道此時的樣子。

你的KNN實例可能就像

instance Classifier KNN where

  train samples labels (KNN n f) = ...
  classify td (KNN n f) sample = ...

這里， n和f既可用於創建訓練數據，也可用於為樣本點選擇最接近的訓練數據成員。