假设我的数据由水果组成，通过颜色和 形状和更多功能。我想返回最多 X 种具有用户所述功能的水果，并且我想在最少的问题中做到这一点。
我总是问用户的第一个问题是水果的颜色和形状是什么。 根据用户的回答，我想要求 K 更多特征，如纹理大小剥离类型等。我希望 K 是返回最准确 X 结果的最小 num 因此我想知道下一个特征是什么我应该问用户。 我的数据库由分类为特征（任意值）的水果组成。
这是机器学习问题吗？ 我应该使用什么算法以及应该使用哪种实现。 我试图在 scikit-learn、nltk、weka 中寻找合适的算法来回答这个问题。要么这些算法不适合回答这个问题，要么我需要更具体的指导来使用它们。
谢谢！
【问题讨论】：
标签： python filter machine-learning scikit-learn decision-tree
是的，这是一个机器学习问题（在某种程度上）。我建议使用decision tree 方法，其中有许多不同的算法。 ID3 和 C4.5 是简单的算法，可帮助您最小化深度，因为它将下一个问题（下一个拆分树的特征）基于最大值 information gain。
【讨论】：
是的。
决策树将点投影到每个特征上并找到最佳分割。这种划分可以通过不同的指标来确定，例如：gini 指数或熵（信息增益） Sci-kit learn 在sklearn.tree中有这个@
假设您有 5 个数据点：
color shape fruit
orange oblong orange
red round apple
orange round orange
red oblong apple
red round apple
所以要训练你会做这样的事情：
feature class | feature class
orange orange | oblong orange
red apple | round apple
orange orange | round orange
red apple | oblong apple
red apple | round apple
如您所见，最好的分割是颜色，因为对于这个数据集，如果颜色=红色，那么水果=苹果，如果颜色=橙色，那么水果=橙色。
对这些数据点进行培训，您将拥有决策树：
color
___________________
| |
| |
red orange
apple orange
在现实生活中，这些拆分将基于数值，即num > .52。
至于为此使用什么算法，这取决于。您必须对自己的数据进行研究，因为它更多的是针对每个数据集/偏好类型的事情。
您可以像这样在上面的示例中使用 sci-kit learn：
from sklearn.trees import DecisionTreeClassifier
#make your sample matrix
samples = [[1,1], [0,0], [1,0], [0,1], [0,0]]
#make your target vector ( in this case fruit)
fruitname = [1, 0, 1, 0, 0]
#create and fit the model
dtree = DecisionTreeClassifier()
dtree = dtree.fit(samples, fruitname)
#test an unknown red fruit that is oblong
dtree.predict([0,1])
注意，color=1 表示果实为橙色，shape=1 表示果实为长方形。
查看 sci-kit user guide 以获得更深入的概述。
【讨论】：