决策树和算法选择

Question

我得到一个功课，要求我编码（仅使用功能范例）类似Akinator的游戏，其中计算机向我询问有关我正在考虑的人的一些问题，并且必须猜测是谁。我有一个大约20个人的数据库，每个人都有大约10个问题，他们要么回答"true"或"false"。

我被要求构建定义为：

的最小（深度）决策树

<Tree> ::= leaf(<List[Atom]>) %list of persons | question(<Atom> true :<Tree> false :<Tree>)。

我建议用一个简单的算法来做这件事，其中树的下一个节点代表真和假数最接近的问题。我必须编写至少与此算法一样有效的算法。所以我在互联网上查找更好，我发现了一些像C4.5和ID3这样的算法。

我的问题是我可以使用哪种算法比我提议的作业更好？ （对于我的要求而言，这并不是太复杂了吗？）

Answer 1

算法C4.5和ID3都是贪婪算法，对于这种简单的真假数据，它们最终会构建与您解释的简单解决方案相同的树。贪婪算法可以进行局部最优选择，但可能无法构建全局最优树。一般来说globally optimal trees is NP-Complete的构造。有些算法试图改进贪婪算法，但总的来说它们非常复杂或者不能很好地工作。参见，例如，chapter 5.4 of a survey article。