问题描述
是否可以从数据中学习二元决策图 (BDD)(以机器学习方式)?如果是这样,如何?
背景:我在 Python 中看到了一些工具来完成此任务,例如,带有 scikit-learn 的决策树 (DT),但我没有看到任何用于 BDD 的工具。
举个例子,我想做的是:
前三列对应'输入'数据集(xi),标签为(y)。 N 对应于计数,例如您可以使用后者来计算准确度。请注意,这不是 cut sets 矩阵。在中间,您会看到一个对应的 BDD(这是我想要获得的图表),在右侧是一个对应的 DT。
解决方法
如果目标是将输入-输出评估表转换为 BDD,表示由这些评估定义的布尔函数,那么是可能的(这不是任何形式的学习)。例如,使用 Python 包 dd
:
from dd import autoref
bdd = autoref.BDD()
bdd.declare('x1','x2','x3')
# These are the assignments to the input variables
# where the Boolean function is TRUE (the y).
# The assignments where the Boolean function is FALSE
# are not used in the disjunction below.
data = [
dict(x1=True,x2=False,x3=True),dict(x1=True,x2=True,x3=False),x3=True)]
u = bdd.false
for d in data:
u |= bdd.cube(d) # disjunction so far
bdd.dump('example.png',roots=[u])
我们得到以下包含 complemented edges 的图表:
包 dd
可以从 PyPI 安装:
pip install dd