Haskell多態性和類型實例

Question

我想在Haskell中編寫一個機器學習庫，以處理我的Haskell技能。 我考慮涉及一類是像這樣的一般設計：，給定一組實例X的

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

例如，與它們的真實標記Y，列車返回 trainingData其在分類功能中使用。

所以，如果我想要實現KNN，我會做它像這樣：

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

當第一個int是鄰居的數量和功能，它是計算矢量

之間的距離度量

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

我該如何實現分類器類型的類函數，以便它們對於我將創建的所有分類器都是通用的 ？ 我感覺就像我對待Haskell太像一個命令 面向對象的語言，我想這樣做的Haskell的方式。

Answer 1

我會說你需要多參數類型類（有可選的功能依賴或類型系列;我省略了這些）。

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，標籤和知識類型之間存在着四面關係。

訓練方法從一組樣本（s） - 標籤（l）對中推導出一些知識（k）。分類方法使用該知識來推斷樣本的標籤。 （組合方法將兩個知識結合在一起;不知道它是否總是適用）。

Answer 2

假設你的類型的類沒有什麼分類提供知識，你可以不喜歡

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

這裏，train越來越x類型的樣本名單，y類型的標籤列表，和某種類型的分類器c，並且需要返回樣本/標籤對的列表。

classify獲取樣本/標籤對（例如由train產生的），分類器和樣本的列表，並生成新的標籤。

（最起碼，雖然，我可能會喜歡的東西Map x y更換[(x,y)]。）

的關鍵是，分級本身需要雙方train和classify使用，但是你沒有需要知道這個時候會是什麼樣子。

您的KNN實例可以再看看像

instance Classifier KNN where 

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

這裏，n和f可同時用於創建訓練數據，並幫助挑選訓練數據的最接近的成員的採樣點。