Question

我在项目中使用.net框架，我遇到了问题。

我正在使用7个DecisionVariables来创建决策树。其中5个是连续的，其中2个是离散的，我正在使用C45Learning。

我正在创建Decision Varibale：

连续

new DecisionVariable(SupportedValueType.ToString(), DecisionVariableKind.Continuous)

离散（在我的情况下，我创建了表示日期的离散变量）

int PossibleValues = 30; 
new DecisionVariable(SupportedValueType.ToString(), PossibleValues)

现在，当我创建一个树时，它的叶节点是具有离散决策变量的节点，并且此节点上的输出为NULL，因此当我运行时

tree.Decide(sample)

并以此叶节点结束，返回NULL。

有人能告诉我这是什么问题吗？

当我创建输入以创建此决策树时，我没有“使用”这30个可能值中的每一个，只有2-3个值。这可能是问题吗？

例如:( x变量是其他决策变量的值，当然我提供的输入数据更多，不仅仅是3行，而且我只更改了x值，仅使用了3天）

input:     label:

x,x,x,x,x,1 -> Small
x,x,x,x,x,2 -> Medium
x,x,x,x,x,3 -> Big

Answer 1

是的，我的猜测是您的树根本不完整。

在使用该算法时，如果我没有为它提供包含输入列的所有可能组合的综合训练集，那么我得到零叶的机会会更高。但是，该算法因修剪过程始终会产生空路径而闻名。

检查其他样本是否也返回null。如果他们都这样做，那么您可能会遇到问题。如果只有一对返回NULL / unknown，则可能只是树自身构建方式的结果。在这种情况下，您将需要使用默认决策值来处理它。

我了解到，您可以提供一些默认值，以供算法单独应用，但是我从未使用过这些默认值。