从回归模型中确定属性值组合

Question

我有一个回归相关的问题，但我不知道如何继续。考虑以下数据集，其中A，B，C和D作为属性（要素）和每行的决策变量Dec：< / p>

  A   B   C   D   Dec
  a1  b1  c1  d1  Y
  a1  b2  c2  d2  N
  a2  b2  c3  d2  N
  a2  b1  c3  d1  N
  a1  b3  c2  d3  Y
  a1  b1  c1  d2  N
  a1  b1  c4  d1  Y

鉴于此类数据，我想找出Dec评估为Y的大多数紧凑规则。 例如，A=a1 AND B=b1 AND D=d1 => Y。

我希望指定这些规则的精​​度阈值，以便我可以根据我的要求过滤掉它们。例如，我希望看到所有提供至少90％精度的规则。这可以为我提供更好的规则压缩。上面提到的规则提供100％的精度，而B=b1 AND D=d1 => Y具有66％的精度（它在第4行出错）。

含糊地说，我可以看到这类似于构建决策树并找出以Y结尾的路径。如果我理解正确，构建回归模型会为我提供最重要的属性，但我需要从导致Y的属性中组合实际值。

属性值为multi-valued，但这不是硬约束。我甚至可以假设它们是boolean。

Weka或R等现有工具中是否有可以帮助我的图书馆？

此致

Answer 1

我不认为这是回归问题。这似乎是一个分类问题，你试图对Y或N进行分类。你可以建立像Adaboost这样的集合学习者，看看决策如何在树之间变化，或者你可以做一些像弹性网络逻辑回归，看看最终权重是什么。