使用布尔公式的分类器

Question

我正在尝试找到一个由任意布尔公式表示的分类器。有可能这样做吗？我尝试使用linear内核从sklearn.svm使用SVC，但是不确定是否正确，以及如何从学习的分类器中提取公式。

这是一个简单的数据集，具有4个变量x,y,z,w（功能）和标签0 and 1。并且所有带有x=1 or y=1的数据都将带有标签1，其他所有数据都带有标签0。

x,y,z,w,label
0,0,0,0,0
0,0,0,1,0
0,0,1,0,1
0,0,1,1,1
0,1,0,0,0
0,1,0,1,0
0,1,1,0,1
0,1,1,1,1
1,0,0,0,1
1,0,0,1,1
1,0,1,0,1
1,0,1,1,1
1,1,0,0,1
1,1,0,1,1
1,1,1,0,1
1,1,1,1,1

对于此示例，我想提取由公式x=1 or z=1表示的分类器。最终，我将获得由复杂的任意公式（例如(x= 1 or y=0) and (z=0) ...）表示的更复杂的数据

Answer 1

数据中的输入->输出关系是非线性，离散和不平滑的。在这种情况下，任何线性模型都将表现不佳。请尝试改用DecisionTreeClassifier，对于您的数据类型应该可以。 另外，您可以使用布尔可满足性求解器，但这仅在数据是确定性的且不模糊的情况下才有效。