算法中代理模型是什么

❶ 软件设计模式主要有哪几种

软件设计模式主要有以下三大类共23种：

一、创建型模式：

1、工厂方法模式工厂方法模式的创建是因为简单工厂模式有一个问题，在简单工厂模式中类的创建依赖工厂类，如果想要拓展程序，必须对工厂类进行修改，这违背了开闭原则，所以就出现了工厂方法模式，只需要创建一个工厂接口和多个工厂实现类。

2、抽象工厂模式抽象工厂模式是提供一个创建一系列相关或相互依赖对象的接口，而无需指定它们具体的类。区别于工厂方法模式的地方，工厂方法模式是创建一个工厂，可以实现多种对象；而抽象工厂模式是提供一个抽象工厂接口，里面定义多种工厂，每个工厂可以生产多种对象。

3、单例模式单例模式能保证一个类仅有一个实例，并提供一个访问它的全局访问点，同时在类内部创造单一对象，通过设置权限，使类外部无法再创造对象。单例对象能保证在一个JVM中，该对象只有一个实例存在。

4、建造者模式建造者模式是将一个复杂的构建与其表示相分离，使得同样的构建过程可以创建不同的表示。在程序当中就是将一些不会变的基本组件，通过builder来进行组合，构建复杂对象，实现分离。

5、原型模式：原型模式是用原型实例指定创建对象的种类，并且通过拷贝这些原型创建新的对象。其实就是将对象复制了一份并返还给调用者，对象需继承Cloneable并重写clone方法。原型模式的思想就是将一个对象作为原型，对其进行复制、克隆，产生一个和原对象类似的新对象。

二、结构型模式：

1、适配器模式适配器模式是使得原本由于接口不兼容而不能一起工作的那些类可以一起工作，衔接两个不兼容、独立的接口的功能，使得它们能够一起工作，适配器起到中介的作用。

2、装饰模式：装饰器模式是动态地给一个对象添加一些额外的职责，给一个对象增加一些新的功能，要求装饰对象和被装饰对象实现同一个接口，装饰对象持有被装饰对象的实例。除了动态的增加，也可以动态的撤销，要做到动态的形式，不可以用继承实现，因为继承是静态的。

3、代理模式代理模式是为其他对象提供一种代理以控制对这个对象的访问，也就是创建类的代理类，间接访问被代理类的过程中，对其功能加以控制。

4、外观模式外观模式是为子系统中的一组接口提供一个一致的界面，外观模式定义了一个高层接口，这个接口使得这一子系统更加容易使用。

5、桥接模式桥接模式是将抽象部分与实现部分分离，使它们都可以独立的变化。桥接模式就是把事物和其具体实现分开，使他们可以各自独立的变化（突然联想到了mvc模式）。

6、组合模式：组合模式是将对象组合成树形结构以表示"部分-整体"的层次结构，组合模式使得用户对单个对象和组合对象的使用具有一致性。

7、享元模式：享元模式是运用共享技术有效地支持大量细粒度的对象。享元模式的主要目的是实现对象的共享，即共享池，当系统中对象多的时候可以减少内存的开销，重用现有的同类对象，若未找到匹配的对象，则创建新对象，这样可以减少对象的创建，降低系统内存，提高效率。

三、行为型模式：

1、策略模式：

策略模式是定义一系列的算法,把它们一个个封装起来, 并且使它们可相互替换，且算法的变化不会影响到使用算法的客户。

2、模版方法模式：

模板方法模式是定义一个操作中的算法的骨架，而将一些步骤延迟到子类中。该模式就是在一个抽象类中，有一个主方法，再定义1...n个方法，可以是抽象的，也可以是实际的方法，定义一个类，继承该抽象类，重写抽象方法，通过调用抽象类，实现对子类的调用。

模板方法使得子类可以不改变一个算法的结构即可重定义该算法的某些特定步骤，将一些固定步骤、固定逻辑的方法封装成模板方法。调用模板方法即可完成那些特定的步骤。

3、观察者模式：

观察者模式是定义对象间的一种一对多的依赖关系，当一个对象的状态发生改变时，所有依赖于它的对象都得到通知并被自动更新。

也就是当被观察者状态变化时，通知所有观察者，这种依赖方式具有双向性，在QQ邮箱中的邮件订阅和RSS订阅，当用户浏览一些博客时，经常会看到RSS图标，简单来说就是当订阅了该文章，如果后续有更新，会及时通知用户。这种现象即是典型的观察者模式。

4、迭代器模式：

迭代器模式是提供一种方法顺序访问一个聚合对象中各个元素, 而又无须暴露该对象的内部表示。

在Java当中，将聚合类中遍历各个元素的行为分离出来，封装成迭代器，让迭代器来处理遍历的任务；使简化聚合类，同时又不暴露聚合类的内部，在我们经常使用的JDK中各个类也都是这些基本的东西。

5、责任链模式：

责任链模式是避免请求发送者与接收者耦合在一起，让多个对象都有可能接收请求，将这些对象连接成一条链，并且沿着这条链传递请求，直到有对象处理它为止。有多个对象，每个对象持有对下一个对象的引用，这样就会形成一条链，请求在这条链上传递，直到某一对象决定处理该请求。

6、命令模式：

命令模式是将一个请求封装成一个对象，从而使发出者可以用不同的请求对客户进行参数化。模式当中存在调用者、接收者、命令三个对象，实现请求和执行分开；调用者选择命令发布，命令指定接收者。

7、备忘录模式：

备忘录模式是在不破坏封装性的前提下，捕获一个对象的内部状态，并在该对象之外保存这个状态。创建一个备忘录类，用来存储原始类的信息；同时创建备忘录仓库类，用来存储备忘录类，主要目的是保存一个对象的某个状态，以便在适当的时候恢复对象，也就是做个备份。

8、状态模式：

状态模式是允许对象在内部状态发生改变时改变它的行为。对象具有多种状态，且每种状态具有特定的行为。

9、访问者模式：

访问者模式主要是将数据结构与数据操作分离。在被访问的类里面加一个对外提供接待访问者的接口，访问者封装了对被访问者结构的一些杂乱操作，解耦结构与算法，同时具有优秀的扩展性。通俗来讲就是一种分离对象数据结构与行为的方法。

10、中介者模式：

中介者模式是用一个中介对象来封装一系列的对象交互，中介者使各对象不需要显式地相互引用，从而使其耦合松散，而且可以独立地改变它们之间的交互。

11、解释器模式：

解释器模式是给定一个语言，定义它的文法表示，并定义一个解释器，这个解释器使用该标识来解释语言中的句子，基本也就用在这个范围内，适用面较窄，例如：正则表达式的解释等。

(1)算法中代理模型是什么扩展阅读：

软件设计的概念以及意义：

软件设计模式是对软件设计经验的总结，是对软件设计中反复出现的设计问题的成功解决方案的描述。为了记录这些成功的设计经验并方便以后使用，软件设计模式通常包含 4 个基本要素：模式名称、问题、解决方案以及效果。

模式名称实际上就是一个帮助记忆的名称，是用于软件设计的技术术语，有助于设计者之间的交流。

问题描述了设计者所面临的设计场景，用于告诉设计者在什么情况下使用该模式。

解决方案描述了设计的细节，通常会给出方案的原理图示（例如 UML 的类图，序列图等，也可能是一些示意图）及相关文字说明，如果可能，还会给出一些代码实例，以便对解决方案的深入理解。

效果描述了设计方案的优势和劣势，这些效果通常面向软件的质量属性，例如，可扩展性、可复用性等。

软件设计模式的重要意义在于设计复用。设计模式可以使设计者更加方便地借鉴或直接使用已经过证实的成功设计方案，而不必花费时间进行重复设计。一些设计模式甚至提供了显示的类图设计及代码实例，为设计的文档化及软件的开发提供了直接的支持。

❷ 算法框架-模型可解释性-指南(三)

机器学习的可解释性

GLM, GAM和其他模型

非高斯结果输出GLM：假设伯努利分布，使用Logit函数作为连接函数的GLM，可以得到逻辑回归公式。

泊松分布参数λ描述单位时间(或单位面积)内随机事件的平均发生次数，适用于单位时间随机事件次数的描述。

二项分布描述n次独立伯努利试验中期望结果出现次数的概率。

连续数据或小离散性，接近正态分布特点，取对数或重新排序以符合正态分布，有明确均值和标准差。

交互与非线性效应GAM

随机森林或梯度提升树性能可能优于复杂线性模型。

决策树

CART基尼指数与信息熵描述系统混乱度，不纯度（GINI系数）降低表示纯度提高。

树分解方法解释决策树单个预测。

决策规则

OneR解决连结问题，RIPPER是顺序覆盖算法变体。

Bayesian Rule List复杂，狄利克雷分布涉及。

RuleFit优点包括有用诊断工具，与模型无关。

其他可解释模型

朴素贝叶斯分类器，k-最近邻。

模型无关方法

部分依赖图（PDP或PD），累积局部效应图（ALE）。

特征交互解释

功能分解，置换特征重要性，全局代理模型。

局部模型无关法

个体条件期望（ICE），局部代理LIME，反事实解释。

范围规则，Shapley值，SHAP。

神经网络可解释性

学习特征，像素归因（Saliency Maps），检测概念，对抗样本。

❸ 一文详解贝叶斯优化（Bayesian Optimization）原理

贝叶斯优化原理详解
贝叶斯优化是一种高效寻找函数全局最优解的算法，常用于机器学习参数调优。其核心框架是Sequential Model-Based Optimization (SMBO)，特别强调高斯过程回归模型的应用。

SMBO是通过代理模型来指导优化过程，代理模型可以是各种随机过程，如高斯过程。高斯过程是一个特殊的随机过程，其任意维度的分布遵循正态分布，由均值函数m(x)和协方差函数K(x,x′)定义。在高斯过程回归中，这些函数参数通过观测数据自动学习，如通过最大后验估计确定。

优化流程首先构建一个代理模型来模拟目标函数，常用的方法是高斯过程回归，它预测的是函数f(x)的后验分布。采集函数是关键环节，如Expected Improvement (EI)公式，它基于后验分布评估下一个采样点。EI通过计算当前最优点与预测值的期望差，寻找潜在的改善空间。

置信区间边界策略，如Upper Confidence Bound (UCB)和Lower Confidence Bound (LCB)，也广泛应用于贝叶斯优化中。UCB基于置信区间的右边界寻找可能的最大值，而LCB则用于最小化问题，通过左边界反向选择采样点。

在证明部分，我们展示了【命题1】：对任意x和x′，有K(x,x′) = K(x′,x)。这保证了高斯过程的对称性，是其理论基础的重要组成部分。