将决策表转换为决策树

Question

如何将决策表转换或可视化为决策树图， 是否有一个解决它的算法，或一个可视化它的软件？

例如，我想想象下面的决策表： http://i.stack.imgur.com/Qe2Pw.jpg

Answer 1

要说这是一个有趣的问题。

我不知道明确的答案，但我建议采用这样的方法：

• 使用Karnaugh map将您的决策表变为最小化布尔函数
• 将您的功能变为树

让我们简单化一个例子，并假设使用卡诺让你运作(a and b) or c or d。您可以将其转换为树：

  

来源：我自己的

Answer 2

从决策树生成决策表肯定更容易，而不是相反。

但是我看到它的方式你可以将决策表转换为数据集。让疾病＆＃39;是class属性并将证据视为简单的二进制实例属性。从中您可以使用可用的决策树归纳算法之一轻松生成决策树，例如C4.5。只需记住禁用修剪并降低最小对象数参数。

在此过程中，您会丢失一些信息，但准确性将保持不变。看看描述疾病D04的两行 - 第二行实际上比第一行更通用。从这些数据生成的决策树只能识别E11,12和13属性中提到的疾病，因为它足以正确标记实例。

Answer 3

我花了几个小时寻找一个好的算法。但我对结果感到满意。 我的代码现在太脏了，无法粘贴到这里（我可以根据您的意愿私下分享），但总体思路如下。

假设您的数据集包含一些决策标准和结果。

1. 定义树结构（例如R中的data.tree）并创建“Start”根节点。
2. 计算数据集的结果熵。如果熵为零，那么你就完成了。
3. 逐个使用每个标准，作为树节点计算使用此标准创建的所有分支的熵。取所有分支的最小熵。
4. 使用具有最小（最小）熵的标准创建的分支是您的下一个树节点。将它们添加为子节点。
5. 根据步骤4中找到的决策点/树节点拆分数据，并删除使用的标准。
6. 对每个分支重复步骤2-4，直到所有分支都具有entropy = 0。
7. 享受理想的决策树：）