184 lines
11 KiB
ObjectPascal
184 lines
11 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;
|
||
|
||
/// Интерфейс шага конвейера, привязанного к одной колонке DataFrame.
|
||
/// Используется для препроцессоров, выполняющих преобразование конкретной колонки
|
||
/// (например, кодирование категориальных признаков).
|
||
/// Позволяет DataPipeline централизованно контролировать операции над колонками
|
||
/// (в частности, запрещать изменение целевой переменной).
|
||
IColumnBoundStep = interface
|
||
/// Имя колонки, к которой применяется преобразование.
|
||
/// Должно соответствовать существующей колонке DataFrame.
|
||
/// Используется для валидации (например, запрет преобразования target).
|
||
property ColumnName: string read;
|
||
end;
|
||
|
||
/// Интерфейс шага конвейера, работающего с несколькими колонками DataFrame.
|
||
/// Используется для препроцессоров, выполняющих преобразования над набором колонок
|
||
/// (например, заполнение пропусков, масштабирование или кодирование нескольких признаков).
|
||
/// Позволяет DataPipeline контролировать операции над колонками
|
||
/// (в частности, предотвращать изменение целевой переменной).
|
||
IColumnsBoundStep = interface
|
||
/// Список колонок, к которым применяется преобразование.
|
||
/// Каждое имя должно соответствовать существующей колонке DataFrame.
|
||
/// Используется для валидации (например, запрет преобразования target).
|
||
property Columns: array of string read;
|
||
end;
|
||
|
||
/// Базовый интерфейс модели машинного обучения
|
||
IModel = interface(IMatrixStep)
|
||
function Clone: IModel;
|
||
function Name: string;
|
||
property IsFitted: boolean read;
|
||
end;
|
||
|
||
/// Модель, реализующая отображение X → y (или аналогичный результат).
|
||
/// Поддерживает предсказание для новых данных
|
||
IPredictiveModel = interface(IModel)
|
||
function Predict(X: Matrix): Vector;
|
||
end;
|
||
|
||
/// Интерфейс модели с учителем (Supervised Model).
|
||
/// Наследуется от базового интерфейса IModel.
|
||
/// Предназначен для алгоритмов, обучающихся по признакам X
|
||
/// с использованием целевых значений (y)
|
||
ISupervisedModel = interface(IPredictiveModel)
|
||
function Fit(X: Matrix; y: Vector): ISupervisedModel;
|
||
end;
|
||
|
||
/// Интерфейс модели без учителя (Unsupervised Model).
|
||
/// Наследуется от базового интерфейса IModel.
|
||
/// Предназначен для алгоритмов, обучающихся только по признакам X
|
||
/// без использования целевых значений (y)
|
||
IUnsupervisedModel = interface(IModel)
|
||
function Fit(X: Matrix): IUnsupervisedModel;
|
||
end;
|
||
|
||
/// Интерфейс алгоритма кластеризации (unsupervised learning).
|
||
/// Предназначен для моделей, разбивающих объекты на кластеры
|
||
/// без использования целевой переменной.
|
||
/// Основной сценарий использования — FitPredict, возвращающий
|
||
/// индекс кластера для каждого объекта обучающей выборки
|
||
IClusterer = interface(IUnsupervisedModel)
|
||
// function PredictLabels(X: Matrix): array of integer;
|
||
|
||
/// Выполняет кластеризацию данных и возвращает массив индексов кластеров
|
||
/// (0,1,2,...) для каждого объекта. Значение -1 может использоваться
|
||
/// для обозначения шума (например, в DBSCAN).
|
||
function FitPredict(X: Matrix): array of integer;
|
||
end;
|
||
|
||
/// Интерфейс кластеризатора, поддерживающего предсказание для новых данных.
|
||
/// Используется для алгоритмов, задающих явное отображение X → cluster
|
||
/// (например, KMeans через ближайший центр кластера)
|
||
IPredictiveClusterer = interface(IClusterer, IPredictiveModel)
|
||
/// Возвращает индекс кластера для каждого объекта из X
|
||
/// без повторного обучения модели.
|
||
/// Требует предварительного вызова Fit или FitPredict.
|
||
function PredictLabels(X: Matrix): array of integer;
|
||
end;
|
||
|
||
/// Интерфейс древовидной модели машинного обучения
|
||
ITreeModel = interface(ISupervisedModel)
|
||
function FeatureImportances: Vector;
|
||
end;
|
||
|
||
/// Интерфейс классификатора.
|
||
/// Наследуется от IModel.
|
||
/// Предназначен для моделей, выполняющих классификацию (предсказание меток классов).
|
||
IClassifier = interface(ISupervisedModel)
|
||
/// Возвращает внутренние индексы классов (0,1,2,...).
|
||
/// Индекс i соответствует метке GetClassLabels[i].
|
||
function PredictLabels(X: Matrix): array of integer;
|
||
|
||
/// Возвращает исходные метки классов в порядке внутреннего кодирования.
|
||
function GetClassLabels: array of string;
|
||
end;
|
||
|
||
IClassifierInternal = interface
|
||
procedure SetClassLabels(classes: array of string);
|
||
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 классов для всех объектов из X.
|
||
/// Размер результата: nSamples × nClasses, где:
|
||
/// - nSamples — число объектов в X;
|
||
/// - nClasses — число классов модели.
|
||
/// Элемент [i, k] содержит вероятность того, что объект i принадлежит классу k.
|
||
/// Сумма вероятностей в каждой строке равна 1.
|
||
function PredictProba(X: Matrix): Matrix;
|
||
end;
|
||
|
||
/// Интерфейс регрессионной модели.
|
||
/// Наследуется от IModel.
|
||
/// Предназначен для моделей, предсказывающих числовые значения.
|
||
IRegressor = interface(ISupervisedModel)
|
||
end;
|
||
|
||
/// Базовый интерфейс преобразования признаков.
|
||
/// Используется для масштабирования, отбора,
|
||
/// уменьшения размерности и других преобразований данных
|
||
ITransformer = interface(IMatrixStep)
|
||
/// 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): ISupervisedTransformer;
|
||
function FitTransform(X: Matrix; y: Vector): Matrix;
|
||
end;
|
||
|
||
/// Интерфейс преобразования признаков без учёта целевой переменной.
|
||
/// Используется для методов отбора признаков и других процедур,
|
||
/// в которых при обучении не требуется вектор целевых значений
|
||
IUnsupervisedTransformer = interface(ITransformer)
|
||
/// Обучает преобразование на данных с использованием признаков X
|
||
/// Запоминает необходимые параметры, которые будут использоваться при Transform.
|
||
function Fit(X: Matrix): IUnsupervisedTransformer;
|
||
function FitTransform(X: Matrix): Matrix;
|
||
end;
|
||
|
||
IColumnExpander = interface
|
||
function GetExpandedColumns(sourceColumn: string): array of string;
|
||
end;
|
||
|
||
implementation
|
||
|
||
end.
|