algorithm - 聚合自动生成的特征向量

我有一个分类系统，不幸的是，由于工作原因，我需要含糊其辞假设我们要考虑5个特性，这基本上是一套规则：

A  B  C  D  E  Result
1  2  b  5  3  X
1  2  c  5  4  X
1  2  e  5  2  X

我们取一个主题，得到它的a-E值，然后尝试按顺序匹配规则如果一个匹配，我们返回第一个结果。
c是一个离散值，可以是a-e的任意一个，其余的都是整数。
规则集是从我们的旧系统中自动生成的，并且有大量的规则（大约2500万条）。旧规则是if语句，例如。

result("X") if $A >= 1 && $A <= 10 && $C eq 'A';

如您所见，旧规则通常甚至不使用某些功能或接受范围。有些更烦人：

result("Y") if ($A == 1 && $B == 2) || ($A == 2 && $B == 4);

规则集需要小得多，因为它必须由人工维护，所以我想缩小规则集，以便第一个示例变成：

A  B  C    D  E    Result
1  2  bce  5  2-4  X

结果是，我们可以按结果列拆分规则集，并分别收缩每个规则集。但是，我想不出一个简单的方法来识别和缩小规则集。我尝试过聚类算法，但由于一些数据是离散的，将其视为连续的是不完美的，因此它们会窒息。另一个例子：

A  B  C   Result
1  2  a   X
1  2  b   X
(repeat a few hundred times)
2  4  a   X
2  4  b   X
(ditto)

在理想的世界里，这有两条规则：

A  B  C  Result
1  2  *  X
2  4  *  X

也就是说：算法不仅可以识别A和B之间的关系，而且还可以推断C是噪声（对规则来说并不重要）
有人知道怎么解决这个问题吗？任何语言或库都是公平的，因为我希望这是一个基本上一次性的过程提前谢谢。

最佳答案

查看Weka machine learning lib for Java。这个api有点粗糙，但它非常有用。总的来说，你似乎想要的是现成的机器学习算法，这正是weka所包含的。很明显，你在寻找一个相对容易理解的东西（你提到你希望它能推断出a和b之间的关系，并告诉你c只是噪音），你可以尝试一个决策树，比如j48，因为这些通常很容易可视化/解释。

关于algorithm - 聚合自动生成的特征向量，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/2096279/