91 lines
4.9 KiB
ObjectPascal
91 lines
4.9 KiB
ObjectPascal
unit MLCoreABC;
|
||
|
||
interface
|
||
|
||
uses LinearAlgebraML;
|
||
|
||
type
|
||
/// Базовый интерфейс шага конвейера машинного обучения.
|
||
/// Используется для объединения всех типов шагов
|
||
/// (DataFrame-преобразователей, матричных трансформеров и моделей)
|
||
/// в единую последовательность выполнения внутри различных Pipeline
|
||
IPipelineStep = interface end;
|
||
|
||
/// Интерфейс шага конвейера, работающего в числовом (матричном) пространстве.
|
||
/// Реализуется трансформерами и моделями, которые принимают на вход Matrix и Vector
|
||
/// и используются в Matrix-уровне Pipeline
|
||
IMatrixStep = interface(IPipelineStep) end;
|
||
|
||
/// Интерфейс шага конвейера, работающего на уровне DataFrame.
|
||
/// Реализуется препроцессорами, которые выполняют преобразования табличных данных
|
||
/// до перехода в числовое (Matrix) представление
|
||
IDataStep = interface(IPipelineStep) end;
|
||
|
||
/// Базовый интерфейс модели машинного обучения
|
||
IModel = interface(IMatrixStep)
|
||
function Fit(X: Matrix; y: Vector): IModel;
|
||
function Predict(X: Matrix): Vector;
|
||
function Clone: IModel;
|
||
end;
|
||
|
||
/// Интерфейс древовидной модели машинного обучения
|
||
ITreeModel = interface(IModel)
|
||
function FeatureImportances: Vector;
|
||
end;
|
||
|
||
/// Интерфейс классификатора.
|
||
/// Наследуется от IModel.
|
||
/// Предназначен для моделей, выполняющих классификацию
|
||
/// (предсказание меток классов).
|
||
IClassifier = interface(IModel)
|
||
end;
|
||
|
||
/// Интерфейс классификатора, возвращающего вероятности.
|
||
/// Расширяет IClassifier.
|
||
/// Используется для моделей, которые умеют оценивать
|
||
/// вероятность принадлежности к классу.
|
||
/// Позволяет получать значения в диапазоне (0, 1)
|
||
/// вместо только итогового решения.
|
||
IProbabilisticClassifier = interface(IClassifier)
|
||
/// Возвращает матрицу вероятностей размера (nSamples × nClasses).
|
||
/// Столбцы соответствуют классам в порядке внутреннего кодирования модели
|
||
function PredictProba(X: Matrix): Matrix;
|
||
|
||
/// Возвращает массив меток классов в порядке столбцов PredictProba.
|
||
function GetClasses: array of real;
|
||
end;
|
||
|
||
/// Интерфейс регрессионной модели.
|
||
/// Наследуется от IModel.
|
||
/// Предназначен для моделей, предсказывающих числовые значения.
|
||
IRegressor = interface(IModel)
|
||
end;
|
||
|
||
/// Базовый интерфейс преобразования признаков.
|
||
/// Используется для масштабирования, отбора,
|
||
/// уменьшения размерности и других преобразований данных.
|
||
ITransformer = interface(IMatrixStep)
|
||
/// Обучает преобразование на данных.
|
||
/// Запоминает необходимые параметры,
|
||
/// которые будут использоваться при Transform.
|
||
function Fit(X: Matrix): ITransformer;
|
||
/// Применяет обученное преобразование к данным.
|
||
/// Возвращает новую матрицу признаков.
|
||
function Transform(X: Matrix): Matrix;
|
||
function Clone: ITransformer;
|
||
end;
|
||
|
||
/// Интерфейс преобразования признаков с учётом целевой переменной.
|
||
/// Используется для методов отбора признаков и других процедур,
|
||
/// в которых при обучении требуется вектор целевых значений.
|
||
ISupervisedTransformer = interface(ITransformer)
|
||
/// Обучает преобразование на данных с использованием
|
||
/// как признаков X, так и целевой переменной y.
|
||
/// Запоминает необходимые параметры,
|
||
/// которые будут использоваться при Transform.
|
||
function Fit(X: Matrix; y: Vector): ITransformer;
|
||
end;
|
||
|
||
implementation
|
||
|
||
end. |