추론 엔진 대 의사 결정 트리

Question

나는 추론 엔진이있는 전문가 시스템을 사용하고 있으며 (전방 체인) 매우 간단한 개념을 사용하여 의사 결정 트리보다 나은 이유를 설명하고자합니다. (하나의 특정 상황에서)

나는 similar question가 stackoverflow에 있다는 것을 알고 있지만 그것은 내가 찾고있는 대답이 아니다.

여기 내 문제 :

고객 관계 관리를 위해, 나는 다른 비즈니스 규칙을 많이 사용하고있는 고객이 하나 개의 제품에 결정을 내릴 수 있도록 (즉, 대화 규칙을 유도). 참고 : 규칙은 자주 추가됩니다 (하루 2 회).

고객이 답변을 받기 전에 일련의 질문에 답변합니다. 대화 규칙과 혼합 된 비즈니스 규칙은 결과 문항을 최적 의사 결정 트리에 의해 생성 된 것과 유사하게 만듭니다. 숨겨진 추론은 완전히 다릅니다.

이런 경우 의사 결정 트리에 비해 확장 성, 견고성, 복잡성 및 효율성면에서 추론 엔진에 유리한 (또는 반대 일 수 있습니다) 주된 주장이 무엇인지 알고 싶습니다.

나는 이미 아이디어가 있지만, 누군가를 설득 할 필요가 있기 때문에 충분한 인수가없는 것 같습니다.

미리 아이디어를 보내 주시면 감사 드리며이 주제에 관해 좋은 기사를 읽으 실 수 있다면 기쁘게 생각합니다.

Answer 1

순방향 체인 추론 엔진은 전체 1 차 논리 (if-then 규칙으로 변환 됨)로 사양을 지원하는 반면, 의사 결정 트리는 세트를 특정 하위 집합으로 만 행할 수 있습니다. 뿐만 아니라

user_likes_color(C), available_color(C) <=> car_color(C). 

모든 규칙을 : (<=>은 RHS가 LHS를 대체 ​​CHR 구문)는 사용자가 원하는 것을 차를 결정하는, 말, 모두 사용하는 경우, 먼저 주문 로직에 당신은 말할 수 사용자가 원하는 자동차의 브랜드/유형을 결정하고 추론 엔진은 다른 속성뿐만 아니라 색상을 선택합니다.

의사 결정 트리를 사용하면 색상에 대해 추가 트리를 설정해야합니다. 색상이 다른 속성과 상호 작용하지 않는 한 괜찮습니다.하지만 일단 적용되면 다른 속성과 충돌하는 색상을 제외하고 모든 색상에 대해 전체 트리를 복제해야 할 수도 있습니다. 또한 트리를 수정하십시오.

는 (나는 색상이 매우 바보 같은 예입니다 인정,하지만 난 그것을 통해 아이디어를 얻을 수 있기를 바랍니다.)

Answer 2

실제로 내가 사용하지 않은 추론 엔진 또는 의사 결정 트리를 말하는. 당신이 주어진 훈련 세트를 배우고 그 결과를 예측하고 싶다면 의사 결정 나무를 사용해야합니다. 예를 들어, 기상 조건 (바람, temperatur, 비, ...) 주어진 바베큐 나가서 경우 정보가있는 데이터 세트가있는 경우. 해당 데이터 세트를 사용하여 의사 결정 트리를 작성할 수 있습니다. 의사 결정 트리의 좋은 점은 과잉을 피하기 위해 잘라 내기를 사용하여 노이즈를 모델링하지 않아도된다는 것입니다.

추론 엔진은 추론에 사용할 수있는 특정 규칙이있는 경우 의사 결정 트리보다 낫다고 생각합니다. Larsmans는 이미 좋은 예를 제공했습니다.

도움이 되었기 바랍니다.