最近修改代码(Matlab)的感受

来源：互联网发布：注册公司流程知乎编辑：程序博客网时间：2024/04/27 23:00

最近又对以前写过的柑橘溃疡病检测的代码作了很大的调整。主要集中在三个方面：分解功能模块、统一命名方式与调用方式、循环修改为矩阵运算。

记录一些感受。望自己以后多加注意。

1、不要在一个函数中集中太多的功能；如果功能模块能分解，那么，就尽最大努力的分解；函数功能愈单一愈好

功能模块分解后能够最大限度的提高代码复用；

调试时也方便许多

2、不要使模块过度灵活或者过度复杂；应该在灵活性与复杂度之间取一个合适的平衡；

与第一个问题似乎差不多

有一个时间段，总喜欢将函数做的非常复杂，希望能够完成好几种类似的功能；每次都采用matlab变参实现，变参多了，使得函数变得非常难以理解。

比如，一个 AdaBoost 函数，它需要完成 AdaBoost 按轮数训练、AdaBoost 按特征数、AdaBoost 测试、同时训练并测试等类似的功能；以前做的就是把所有功能集成在一起；在现在看来，这是一个非常烂的设计。调试困难，调用时无法通过函数名知道其所需要的功能；并且，代码重用非常困难。

在上一次的代码重构中，已经将这些分解了。但分解了仍然不够彻底。现在这个函数已经拆成七八块了。

       AdaBoostClassfy                   AdaBoost 强分类器对一组样本进行分类
       AdaBoostWeakLearnerClassfy AdaBoost弱分类器对一组样本进行分类
       searchBestWeakLearner      在特征列上获得最优的阈值分类器
       trainAdaBoostClassifier        在训练集上训练 AdaBoost 分类器
       testAdaBoostClassifier         在测试集上测试 AdaBoost 分类器
       testAdaBoost(训练与测试)    将样本随机划分为训练集与测试集，多次训练测试AdaBoost分类器
       AdaBoost(训练与测试)           给定训练集与测试集,训练测试AdaBoost分类器

       testAdaBoost 与 AdaBoost 类似，均是先训练分类器，而后测试分类器
       testAdaBoost 测试多次，并且将样本集分为训练集与测试集
       testAdaBoost 通过调用 AdaBoost 函数实现多次的分类器训练与测试
       AdaBoost调用 trainAdaBoostClassifier 训练，调用 testAdaBoostClassifier 进行测试

目前的设计不仅没有任何的重复代码，并且可扩充性也强许多。目前看来，还算一个不错的设计了。也许几个月后看，还存在许多问题。到时候再来解决吧。

3、形成一个习惯的命名方式，并严格执行

变量命名：尽量采用全名

复杂对象（向量、矩阵、结构体、cell）首字母大写

简单变量（int,double）之类，首字母小写

　比如：Samples 待分类的样本, cntSamples x cntFeatures 矩阵

boostthresh AdaBoost强分类器的阈值，默认为0.5

同一类型的变量采用同样的命名，比如数量前加：cnt，比如，

样本数量：cntSamples ；特征数量 cntFeatures

函数命名：动词+名词方式，尽量采用全名

比如：searchBestWeakLearner 在特征列上获得最优的阈值分类器

trainAdaBoostClassifier 训练AdaBoost分类器

统一命名方式后，结合注释，代码的可读性会大大提高。

4、循环尽量改为矩阵操作

采用矩阵操作后代码会简洁许多，但会变得很难理解。需要增加注释，方便理解。

5、归结几点：

在完成功能的基础上

可读性第一：就是要有良好的代码风格，比如注释良好而丰富、命名易理解、使用变量替换常数、代码缩进、不要写太长的嵌套调用、相关代码集中，等等等等

可扩展性第二：变参需适量控制；函数功能单一；

性能第三：最后考虑性能，matlab里面尽量采用矩阵替换循环

血的教训！！多加注意！！！！！！！

还约需要2.5周才能完成代码重构，任重而道远！！