用于生成和使用生成的决策树的 Java 库答案

【问题标题】：Java library to generate and work with generated decision trees用于生成和使用生成的决策树的 Java 库
【发布时间】：2012-04-25 01:35:38
【问题描述】：

我正在寻找一个 Java 库，它不仅可以使用 ID3 或 C4.5 算法构建决策树，还可以以某种合适的格式存储新构建的树。问题是我打算使用决策树引擎作为某种用户需求推断系统，即在使用训练数据生成决策树之后，我想给它输入（来自用户的数据）并将输出用作给用户的建议。简单地说，我只是不想能够遍历生成的树并根据输入数据集得到结果。我还想不仅构建二叉决策树，还想为每个父节点构建具有可变数量的子节点的树（这意味着某些节点可能有两个子节点，有些节点可能有三个，这都取决于父节点中检查的属性值）。我刚开始使用决策树，在这个领域没有太多经验。我使用谷歌搜索，开始查看 WEKA，但我不确定它是否满足我的要求。任何指导都会有很大帮助。提前致谢！

【问题讨论】：

标签： java data-mining weka id3 decision-tree

【解决方案1】：

Weka 是最先进的分类工具，包括 C4.5。一定要试一试。

事实上，许多其他工具（KNIME、Rapidminer）通常只是围绕着 Weka，本质上是做一些数据预处理、用户界面、实验运行等，但主要任务委托给 Weka。

在我看来，Weka 的设计并不完美，但它是分类和预测方面的参考实现。 所以试一试吧！当您正在研究其他任务（例如集群或异常检测）时，请改用其他工具，例如 ELKI。 Wekas 聚类算法极少。

【讨论】：

我一定会试一试的。但是您提到，在您的观点中，WEKA 并不是为此而设计的。这种情况下，用什么库比较好？
我不知道周围有没有更好的。似乎每个人都使用 Weka 或 GNU R 进行分类。
还有其他商业软件包可用。统计学就是其中之一。有趣的是，Weka 和 R 都必须在他们的 CART 决策树实现中做出权衡，因为描述 CART 算法的书对算法的一部分保密。它描述了一种难以解决的算法（如及时），然后说他们实现的实际算法不是这个。不是你必须知道的，R 和 Weka 的算法在不知道的情况下表现得足够好。但是，只是一些有趣的琐事。

【解决方案2】：

使用 weka，它很受欢迎、性能强大、稳定、有据可查，人们将能够帮助您。

【讨论】：