我想生成一个简单的模型并用决策树对其进行分类。
这个想法是，如果数组中的数字在增加，那么我需要的是那个。
例如。
[1,2,3]
[2,4.2,5.6]
这些像增加这样的模式将被预测为真实
和其他然后那些将被预测为假
如何使用决策树实现这一目标？
预测像 [1,2,3] 这样的数组增加
数据挖掘
机器学习
scikit-学习
2022-02-24 17:29:04
2个回答
不需要机器学习来解决这个问题。此确定性代码测试数组中的数字是否在增加：
def strictly_increasing(nums):
"Deterministically check for only increasing values"
return all(x2 > x1 for x1, x2 in zip(nums, nums[1:]))
assert strictly_increasing([1, 2, 3])
assert strictly_increasing([2, 4.2, 5.6])
assert not strictly_increasing([1, 1, 1])
assert not strictly_increasing([3, 2, 1])
简单的：
- 编写一个函数，如果输入数组中的值总是增加，则返回 TRUE，否则返回 FALSE。
- 可选：将函数返回的值作为特征提供给分类器。训练只需要两个例子，一个是真的，一个是假的。
对不起，我惹你了:)
说真的，重点是：对于可以通过有效的确定性算法轻松解决的问题训练 ML 模型根本没有兴趣。使用 ML 解决没有它就无法解决（或效率不高）的问题。