共通インターフェイスの罠

異なる複数のものがある

これらの操作を共通化しようと考える

それぞれ別々に習得するコストがもったいないから

異なる複数のものにはそれぞれ異なった得意分野がある

理想は双方の長所を活かせることだが、しばしば双方の共通部分だけになり強みを失う

https://gyazo.com/ab259ca763419224b870fdc26f48f9c4

Aが持つ機能を、Bが持たない場合

路線1: サポートしない路線

実装は楽

上で書いた残念なことになる

路線2: エラーにする路線

例えばインターフェイスはあるが、実行するとエラーになる設計

結局「どのバックエンドでは何が使えるか」はユーザが理解しなければならない

路線3: 頑張って実装してしまう路線

例: 機械学習ライブラリScikit-Learnでは異なる学習モデルに共通インターフェイスを用意した。

モデルmに対してメソッドm.predict_probaは確率推定の結果を返す

確率推定の機能を持たないSVMに対してもこのメソッドが生えている

4/5のデータで5回SVMを走らせてロジスティック回帰している: SVMで確率推定

とても労力がかかる

必ずしも実装できるとは限らない

その場合、路線2に帰着する