哪个SKLearn接口定义了.fit、.predi

Question

研究^{}，更具体地说是{}，以及不同的mixin，很明显，有些mixin依赖于调用.fit或{}的能力。在

例如，如果我们看一下^{}，我们会发现它依赖于.predict方法。在

我的问题是为什么没有接口/抽象类的实现来实现这些方法？在

我希望有类似BaseRegressor的抽象方法，.predict()作为抽象方法，BaseClassifier有{}和{}-或者类似的东西

Answer 1

python中常见的习惯用法是“duck typing”——如果它的行为类似于duck，那么它就是一个duck，如果它实现了fit或任何其他相关函数，那么它就是sklearn的模型

还有抽象基类的概念，但它的用法并不常见

查看更多信息：https://en.wikipedia.org/wiki/Duck_typing

Answer 2

有几件事加在一起可能更清楚为什么事情是在scikit-learn这样的包中完成的，它们是这样的：

• duck类型与继承：对于哪一种方法更好，您可以找到很长的争论，尽管它们都有各自的优缺点，但归根结底，归根结底还是取决于社区中的人们习惯了什么。作为一个现在做很多Python的人，我喜欢duck类型，而且我对它非常满意。同时，15年前，我喜欢抽象类和面向对象编程（OOP）之类的东西，我不明白为什么你会用其他方式做事。我想说的是，Python中的人喜欢duck类型，这也是为什么在它的一些核心包中经常看到这种模式的部分原因。

• duck类型、contrib包和扩展：有时检查一个输入，我们可以检查它的类型，或者duck类型它的特定功能。如果我们检查类型，这意味着该方法的任何输入实际上都应该从这些类继承，而如果你不输入它们，它们可以简单地实现这些方法，而且它们很好。这一点很重要，因为如果开发人员在scikit-learn之外编写一个估计器，例如，他们希望与scikit-learn的某些部分兼容，那么他们不必依赖{}作为依赖项（因为这样他们就可以从包中继承某个类），而只需实现这些方法。如果开发人员有保持包及其依赖项轻量级的约束条件，这就变得有意义了（我们在scikit-learn中看到了这些确切的问题）。

• Mixin类：Mixin类背后的想法并不是子类应该继承它们并实现它们的方法；而是更多的是通过它们向现有类添加功能，而不必复制/粘贴或重新实现任何方法。假设一个不关心cd11}的对象，{10}已经有了一个关于cd11}的对象。同样，你可以说，OOP的某个设计模式在这里可能更好，但这是一个永无止境的论点，而且这种方法行之有效，开发人员对此也很满意。