Question

假设我的数据由水果组成，用颜色和颜色来描述形状和更多功能。我想返回具有用户声明的功能的X果实的最大数量，并且我想在最少数量的问题中进行。

我总是问用户的第一个问题是水果的颜色和形状。根据用户的回答，我想问K更多的功能，如纹理大小剥离类型等。我希望K是最小的数字，将返回最准确的X结果，因此我想知道下一个功能是什么我应该问用户。我的DB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我应该使用哪种实现。我试图用scikit-learn，nltk，weka来寻找合适的算法来回答这个问题。这些算法都不适合回答这个问题，或者我需要更具体的指导使用它们。

谢谢！

Answer 1

是的。

决策树将点投射到每个要素并找到最佳拆分。这种拆分可以通过不同的指标来确定，例如：基尼指数或熵（信息收益）科学家学习在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

正如你所看到的，最好的分割是颜色，因为对于这个数据集，如果color = red，那么fruit = apple，如果color = orange，那么fruit = orange。

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，这些分裂将基于数值，即num > .52。

至于使用什么算法，这取决于。您必须对自己的数据进行研究，因为它更像是每个数据集/首选项。

您可以在上面的示例中使用sci-kit learn，如下所示：

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])

请注意，color = 1表示水果为橙色，shape = 1表示水果为椭圆形。

浏览一下sci-kit user guide，了解更深入的概述。

Answer 2

是的，这是机器学习问题（在某种程度上）。我会建议decision tree方法有许多不同的算法。 ID3和C4.5是一种简单的算法，可以帮助您最小化深度，因为它基于最大information gain的下一个问题（分割树的下一个功能）。

用于返回下一个要素以拆分树的决策树实现

2 个答案: