问题陈述有点像这样：
鉴于一个网站，我们必须将其分类为两个预定义类别中的一个（比如它是否是一个电子商务网站？）
我们已经使用多种预处理技术（停止词删除，词干等）和适当的功能尝试了Naive Bayes算法。
我们希望将准确度提高到90或更接近，这是我们没有从这种方法中获得的。
这里的问题是，在手动评估准确性的同时，我们会在网页上查找一些标识符（例如Checkout按钮，商店/购物，PayPal等等），这些标识有时会在我们的算法中遗漏。
我们在想，如果我们对这些标识符非常肯定，为什么我们不创建rule based classifier我们将根据一组规则对页面进行分类（将根据某些规则编写）优先级）。
e.g。如果它包含商店/购物并有结帐按钮，那么它是一个电子商务页面。 以及一些优先顺序中的许多类似规则。
根据一些规则，我们也会访问该网站的其他页面（目前，我们只访问主页，这也是未达到很高准确度的原因）。
基于规则的方法我们将面临哪些潜在问题？或者对我们的用例更好？
使用复杂的算法（例如FOIL, AQ等）创建这些规则是个好主意吗？
答案 0 :(得分：2)
The issue here is, while evaluating the accuracy manually, we look for a few identifiers on web page (e.g. Checkout button, Shop/Shopping,paypal and many more) which are sometimes missed in our algorithms.
那么为什么不将这些信息包含在您的分类方案中呢？在html中找到付款/结帐按钮并不难，因此这些按钮的存在绝对应该是功能。一个好的分类器依赖于两件事 - 良好的数据和良好的功能。确保你们两个都有！
如果您必须执行基于规则的分类器，那么将其视为决策树或多或少。如果你使用的是函数式编程语言，这很容易做到 - 基本上只需要递归到你的终点，然后给你一个分类。
答案 1 :(得分：1)
决策树 算法可以获取您的数据并返回规则集，以预测未标记的实例。
实际上，决策树实际上只是一个递归下降分区器，由一组规则组成，其中每个规则都位于树中的一个节点上，并将该规则应用于未标记的数据实例，将此实例向左下叉或右叉发送。
许多决策树实现明确生成一个规则集，但这不是必要的，因为通过查看树很容易看到规则（规则是什么以及规则在决策流中的位置）表示经过训练的决策树分类器。
特别是，每个规则只是对特定要素（数据列或字段）中特定值的布尔测试。
例如，假设每个数据行中的一个功能描述了应用程序缓存的类型;进一步假设此功能有三个可能的值， memcache ， redis 和自定义。然后规则可能是Applilcation Cache | memcache或这个数据实例是否有基于redis的应用程序缓存？
从决策树中提取的规则是布尔 - 无论是真还是假。按照惯例，False由左边缘（或下面的子节点的链接以及该父节点的左侧）表示;和True由右侧边缘表示。
因此，新的（未标记的）数据行从根节点开始，然后向右或向左发送，具体取决于根节点处的规则是回答为True还是False。应用下一个规则（至少在树层次结构中为级别），直到数据实例达到最低级别（没有规则的节点或叶节点）。
一旦数据点被过滤到叶节点，那么它实质上是分类的，因为每个叶节点都有与之关联的训练数据实例的分布（例如，25％Good | 75％Bad，如果好与坏是类标签）。这种经验分布（在理想情况下由只有一个类标签的数据实例组成）确定未知数据实例的估计类标签。
免费＆amp;开源库， Orange ，有decision tree module（特定ML技术的实现在Orange中被称为“小部件”）成为C4.5的可靠实现，这可能是最广泛使用的，也许是最好的决策树实现。
O'Reilly网站有一个tutorial on decision tree construction and use，包括 python 中工作决策树模块的源代码。