# Iterative

Предоставляет необходимую функциональность для работы с итеративными алгоритмами, такие как:

1. Оркестратор `Pipeline`
2. Шаги алгоритма и соответствующие им классы для конфигурации
3. Pruner'ы
4. Breakpointer'ы


```{image} ../../_static/iterative.png
:alt: Select Parameters
:width: 800px
:align: center
```

## Классы

### Pipeline

Конкретный класс, реализующий итеративные алгоритмы оценки параметров смеси распределений.

- **Атрибуты**

  - **\+ breakpointers: list[Breakpointer]**

    Условия остановки алгоритма. Остановка срабатывает, если хотя бы один из Breakpointer'ов подал сигнал.

  - **\+ pruners: list[Pruners]**

    Классы удаляющие компоненты из смеси по некоему условию. Отрабатывают каждый последовательно.

  - **\+ steps: list[PipelineStep]**

    Список последовательности шагов, на каждой итерации алгоритм будет по ним проходить начиная с 0 шага и заканчивая последним.

  - **\+ logger: PipelineLogger**

    Логгер сохраняющий информацию об итерациях алгоритма.

- **Методы**

  - **\+ fit(X, mixture): mixture**

    Выполняет каждый элемент из `steps` последовательно. В конце каждой итерации идет проверка на выполнение условия остановки и, если остановка не нужна, проверка на удаление компоненты.

    Для передачи данных между шагами работает с объектом класса `PipelineState`:

- **Мысли**

  Для поддержки своего пайплайна для каждой компоненты можно добавить что то вроде `global_steps` которые отрабатывают для каждой компоненты и `local_steps` содержащий пайплайны для каждой компоненты (а что если идет сначала шаг из `global_step`, а потом шаг из `local_steps` а потом снова из `global_steps`?)

  Если так делать кстати, то получится распараллелить каждую итерацию (очень предпочтительно!) Однако т.к. каждый из шагов возвращает новый `PipelineState`, то придется это переделать (иначе распараллелить не получится)



### Breakpointer

Абстрактный класс, занимающийся остановкой алгоритма по некоему условию.

- **Атрибуты**

- **Методы**

  - ***\+ check(state: PipelineState): bool***

    Абстрактный метод, который по состоянию и некоторому условию понимает, нужно ли остановить алгоритм или нет.



### Pruner

Абстрактный класс, занимающийся удалением лишних компонент смеси.

- **Атрибуты**

- **Методы**

  - ***\+ prune(state: PipelineState): PipelineState***

    Абстрактный метод, реализующий удаление компоненты из смеси по условию.

    Есть два варианта:

    1. Метод `prune` будет возвращать контекст с уже измененной смесью, откуда удалена компонента/ы
    2. Метод `prune` будет возвращать массив `idx_component` указывающий на то, какие компоненты надо удалить. Этот случай необходим, если я решу сделать композицию алгоритмов.

    Сейчас реализован вариант 1.



### PipelineStep

Абстрактный класс для шагов алгоритмов.

- **Атрибуты**

  - ***+ available_next: list[PipelineStep]***

    Приватный атрибут, содержащий информацию о том, какой шаг может идти следующим. Надо чтобы последний шаг замыкал итерацию так, чтобы возвращал то, что может обработать первый шаг итерации.

    Например: `EStep -> MStep`, `MStep -> EStep`.

    Возможно стоит заменить на `return_value_names` или что то вроде того, чтобы зашивать информацию о доступных следующих шагах в возвращаемые атрибуты.

- **Методы**

  - ***+ run(state: PipelineState): PipelineState***

    Абстрактный метод, запускающий шаг алгоритма. Внутри себя может работать с контекстом, записывая туда информацию необходимую для следующего шага.

- **Доступные шаги**

  - **ExpectationStep**

    Шаг оценки скрытых параметров, возвращающий матрицу ответственностей, содержащей вероятности и использующуюся в последующих шагах.

  - **MaximizationStep**

    Шаг, который оценивает параметры по выбранной стратегии. Конфигурируется пользователем.



## Различные диаграммы