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。
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σ2(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。