给定一组规则生成决策树答案

【问题标题】：Generate a decision tree given a set of rules给定一组规则生成决策树
【发布时间】：2011-10-04 06:48:26
【问题描述】：

在过去的几天里，我一直在思考这个问题，但没有找到最佳解决方案，因此提出了这个问题。

假设我们有一组 N 个变量，用户可以组合这些变量来创建规则列表和以下操作，例如：

variables V_1,V_2,V_3
V_1 > 5 -> "Turn left"
V_2 < 6 -> "Turn right"
1 < V_1 < 4 -> "Continue straight"
V_1 = 0 AND V_2 > 6 AND V3 > 5 -> "Go backwards"
default -> "Stay"

变量不一定是整数，并且假设规则全部由 AND 子句列表和一个动作组成。

我想做的是建立一个决策树，让我能够快速处理像 (0,7,9) 这样的输入并返回正确的操作。到目前为止，我唯一的想法是划分变量空间并查看输入状态适合的位置，但这似乎是一个缓慢的解决方案：有人知道可能更快的方法吗？

【问题讨论】：

问题定义似乎不太清楚。例如，如果 V_1 == 3 它符合两条规则，Turn left 和 Continue straight，这两个规则似乎相互矛盾。
对不起，我写的很快，我搞砸了那个规则。我会在一秒钟内更正它。
变量空间有多大？
这主要取决于用户，但我认为 10 个变量是一个很好的近似值。 “最小”变量可以取 5 个值， 52x52 空间的随机子集越宽。
规则是否总是对单个变量不等式或对多个变量等式，或者您可以有任意线性约束？甚至是非线性的？

标签： algorithm decision-tree

【解决方案1】：

是什么让它变慢了？很多规则？长规则？变量多？规则处理速度慢？

如果您没有太多变量规则，我显然会选择哈希表。

这是您所说的问题的树（不一定是最佳的）示例。

variables V_1,V_2,V_3
V_1 > 5 -> "Turn left"
V_2 < 6 -> "Turn right"
1 < V_1 < 4 -> "Continue straight"
V_1 = 0 AND V_2 > 6 AND V3 > 5 -> "Go backwards"
default -> "Stay"

   V1         V2      V3
   <0 ------- <6 --------------- Right
              >=6 -------------- Stay

   0 -------- <6 --------------- Right
               6 --------------- Stay
              >6 ---- <=5 ------ Stay
                      >5 ------- Backwards

   ]0-1] ---- <6 --------------- Right
              >=6 -------------- Stay

   ]1-4[ ----------------------- Straight

   [4-5] ---- <6 --------------- Right
              >=6 -------------- Stay

   >5 ------- <6 --------------- Right
              >=6 -------------- Stay

【讨论】：

不会有很多变量，但更广泛的变量可以假设大量的值。关键是，大多数输入将导致默认操作，（将其视为稀疏矩阵），我不知道如何使用它：决策树似乎是个好主意，但使用用户定义的间隔构建它们是一团糟
您可以使用范围树来有效地跨区间搜索。决策树非常有效，但正如您在我的示例中看到的那样，存在某种冗余。
规则不能少于400，我担心哈希表会占用太多内存。