2021-04-24

决策表

    决策表又称判断表，是一种呈表格状的图形工具，适用于描述处理判断条件较多，各条件又相互组合、有多种决策方案的情况。精确而简洁描述复杂逻辑的方式，将多个条件与这些条件满足后要执行动作相对应。
    但不同于传统程序语言中的控制语句，决策表能将多个独立的条件和多个动作直接的联系清晰的表示出来。

 

决策表组成

1.条件桩（Condition Stub）
列出问题的所有条件

2.动作桩（Action Stub）
列出可能采取的操作

3.条件项（Condition Entity）
列出条件桩的取值
条件项“—”表示与取值无关。

4.动作项（Action Entity）
列出条件项各种取值下应该采取的动作

 

决策表创建步骤：
1.列出所有的条件桩和动作桩；
2.确定规则的个数；
3.假如有n个条件，每个条件有两个取值（0,1）,则有2n（条件取值个数条件个数）种规则；
4.填入条件项；
5.填入动作项，得到初始判定表；
6.简化，合并相似规则（相同动作）。
 
 

     判定表的优点：
1.能把复杂的问题按各种可能的情况一一列举出来
2.简明而易于理解
3.可避免遗漏

 

    判定表的缺点:
1.不能表达重复执行的动作，例如循环结构
2.判定表不能很好地伸缩。
3.规则数特别多。
4.有n个条件的决策表有2n个规则。

 

参考博客

回归

    回归分析是一种数学模型。当因变量和自变量为线性关系时，它是一种特殊的线性模型。

    最简单的情形是一元线性回归，由大体上有线性关系的一个自变量和一个因变量组成；模型是Y=a+bX+ε（X是自变量，Y是因变量，ε是随机误差）。

    通常假定随机误差的均值为0，方差为σ^2（σ2﹥0，σ^2与X的值无关）。若进一步假定随机误差遵从正态分布，就叫做正态线性模型。一般的，若有k个自变量和1个因变量，则因变量的值分为两部分：一部分由自变量影响，即表示为它的函数，函数形式已知且含有未知参数；另一部分由其他的未考虑因素和随机性影响，即随机误差。

    当函数为参数未知的线性函数时，称为线性回归分析模型；当函数为参数未知的非线性函数时，称为非线性回归分析模型。当自变量个数大于1时称为多元回归，当因变量个数大于1时称为多重回归

    回归主要内容：
①从一组数据出发，确定某些变量之间的定量关系式；即建立数学模型并估计未知参数。通常用最小二乘法。
②检验这些关系式的可信任程度。
③在多个自变量影响一个因变量的关系中，判断自变量的影响是否显著，并将影响显著的选入模型中，剔除不显著的变量。通常用逐步回归、向前回归和向后回归等方法。
④利用所求的关系式对某一过程进行预测或控制。
回归分析的应用非常广泛，统计软件包的使用可以让各种算法更加方便。

    回归表明自变量和因变量之间的显著关系，也表明多个自变量对一个因变量的影响强度。

 

回溯
    回溯算法实际上一个类似枚举的搜索尝试过程，主要是在搜索尝试过程中寻找问题的解，当发现已不满足求解条件时，就“回溯”返回，尝试别的路径。回溯法是一种选优搜索法，按选优条件向前搜索，以达到目标。
    但当探索到某一步时，发现原先选择并不优或达不到目标，就退回一步重新选择，这种走不通就退回再走的技术为回溯法，而满足回溯条件的某个状态的点称为“回溯点”。许多复杂的，规模较大的问题都可以使用回溯法，有“通用解题方法”的美称。

    回溯法适用于解一些组合数较大的问题。