如何在 STL 容器中使用策略模式？

Question

假设我有一个名为BinaryClassifier 的策略接口，它可以接受Sample 并返回一个double，表示Sample 对象属于正类的概率：

struct BinaryClassifier {
  virtual ~BinaryClassifier(){}
  virtual double classify(std::shared_ptr<Sample> sample) const = 0;
};

我们可能有多个BinaryClassifier 的实现，例如LogisticRegressionBinaryClassifier。

Sample 又是一个只公开两个方法的接口：

struct Sample {
  virtual ~Sample() {}
  InputFeatures const& get_input_features() const = 0;
  double get_label() const = 0;
};

除了这两种方法，Sample 的具体实现暴露了完全不同的接口（即它们是不相关的），它们唯一的共同点是它们可以被二进制分类器分类。

到目前为止一切顺利。

当我们决定引入BinaryClassifier::train 方法时，问题就出现了：

struct BinaryClassifier {
  virtual ~BinaryClassifier(){}
  virtual double classify(std::shared_ptr<Sample> sample) const = 0;
  virtual void train(std::vector<std::shared_ptr<Sample>> samples) = 0;
};

此时，以下内容将不起作用：

std::vector<std::shared_ptr<ConcreteSample>> concreteSamples = ...;
concreteBinaryClassifier.train(concreteSamples);

那是因为std::vector<std::shared_ptr<ConcreteSample>> 和std::vector<std::shared_ptr<Sample>> 是两个不相关的类型。

C++-ish 解决方案是依赖模板：

      template<class SampleType>
      virtual void train(std::vector<std::shared_ptr<SampleType>> samples) = 0; // non-working code, template method cannot be virtual

但是模板方法不能是virtual。尽管如此，我希望BinaryClassifier 成为一个策略接口，因为可能存在尽可能多的BinaryClassifier 实现。在这一点上，即使设计看起来很合理，我也陷入了死胡同。

编辑：此外，给定的BinaryClassifier 对象可能会使用ConcreteSampleA 的向量进行训练，同时对ConcreteSampleB 类型的对象进行分类

哪种是最适合 C++ 的建模方式？

Answer 1

你可以让你的 BinaryClassifier 成为一个模板类

template<SampleType> class BinaryClassifier
{
    virtual void train(std::vector<std::shared_ptr<SampleType>> samples) = 0;
}

Answer 2

您不能在ConcreteSampleA 上训练BinaryClassifier，然后用它来分类任何随机的ConcreteSampleB。因此，样本类型是BinaryClassifier 的固有部分。 Nullref 的回答是合理的：将样本类型设为模板参数。

正如您所发现的，这意味着不再需要Sample 接口。好的。 std::vector<int> 也不要求 int 派生自某个 Element 接口。

当你摆脱东西时，InputFeatures 看起来也很可疑。我只想说get_input_features 必须返回一些std::tuple，其成员类型都定义了std::less。由于它不再是虚拟的，因此您不必关心不同的样本类型返回不同的元组。我绝对不会硬编码get_label 必须返回double。无论如何，这是一种奇怪的标签类型。

现在您说使用样本类型 A 进行训练然后对样本类型 B 进行分类可能是有意义的。这就是您需要改进的地方：看起来实际的兼容性要求是它们返回相同的元组。因此，Nullref 更好的解决方案是在get_input_sample 返回的元组类型上模板化BinaryClassifier。

[编辑] 此外，classify 不需要共同拥有。通过Sample const&。 train() 真的应该只使用一对迭代器。 C++ 约定是将一组对象作为范围传递。