一種基于決策樹的預(yù)測方法及裝置制造方法
【專利摘要】本發(fā)明公開了一種基于決策樹的預(yù)測方法及裝置，涉及數(shù)據(jù)處理領(lǐng)域，能夠提高決策樹模型和決策樹模型測過程的可視化效果，該方法具體包括：根據(jù)特征屬性對(duì)預(yù)存的產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生成目標(biāo)訓(xùn)練集；采用決策樹算法對(duì)訓(xùn)練集進(jìn)行訓(xùn)練生成決策樹，其中，訓(xùn)練集屬于目標(biāo)訓(xùn)練集；對(duì)決策樹進(jìn)行壓縮得到第一決策樹；利用可視化技術(shù)顯示第一決策樹；從測試集中選取至少一條測試?yán)来屋斎氲谝粵Q策樹中進(jìn)行測試，生成至少一條測試?yán)姆诸惵窂?；利用可視化技術(shù)在第一決策樹中顯示至少一條測試?yán)姆诸惵窂健１景l(fā)明應(yīng)用于產(chǎn)品缺陷預(yù)測。
【專利說明】一種基于決策樹的預(yù)測方法及裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)據(jù)處理領(lǐng)域，尤其涉及一種基于決策樹的預(yù)測方法及裝置。

【背景技術(shù)】
[0002] 決策樹模型是一種常見的缺陷預(yù)測模型，當(dāng)產(chǎn)品發(fā)生故障時(shí)，能夠幫助維修人員 快速定位缺陷類型，及時(shí)拿出維修方案，降低維修成本。但是由于很多種產(chǎn)品的某些固有屬 性特征發(fā)布特別分散，會(huì)造成訓(xùn)練得到的決策樹模型特別龐大，比如缺陷產(chǎn)品種類、缺陷單 板種類成千上萬種，缺陷類型（預(yù)測屬性）也達(dá)到數(shù)百種，因此面對(duì)如此龐大的決策樹，用 傳統(tǒng)的決策樹可視化方法是不可行的。因此，現(xiàn)有技術(shù)提出了一種CABR0的大規(guī)模決策樹 可視化技術(shù)，該CABR0可視化系統(tǒng)界面中有左右兩個(gè)窗口，左面的窗口叫做全集窗口，可以 展現(xiàn)整棵的決策樹，但是沒有一個(gè)節(jié)點(diǎn)信息，右面的窗口叫做局部窗口，選中全局窗口中決 策樹的一塊矩形面積時(shí)，該矩形面積會(huì)在局部窗口中展現(xiàn)出來，這樣即能夠看到整棵決策 樹的整體結(jié)構(gòu)，又可以看到?jīng)Q策樹中的某一部分的詳細(xì)信息，使得大規(guī)模決策樹的可視化 效果較好。
[0003] 但是發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中的CABR0可視化系統(tǒng)可視化技術(shù)有如下問題：該 CABR0可視化系統(tǒng)界面無法直觀的顯示預(yù)測路徑，需要多次移動(dòng)全局窗口中的矩形框，然后 在局部窗口中觀看，使得決策樹模型可視化效果較差。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的實(shí)施例提供一種基于決策樹的預(yù)測方法及裝置，能夠提高決策樹模型和 決策樹模型測過程的可視化效果。
[0005] 為達(dá)到上述目的，本發(fā)明的實(shí)施例采用如下技術(shù)方案：
[0006] 第一方面，提供一種基于決策樹的預(yù)測方法，包括：
[0007] 根據(jù)特征屬性對(duì)預(yù)存的產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生成目標(biāo)訓(xùn)練集， 其中，所述特征屬性為所述產(chǎn)品缺陷數(shù)據(jù)集中產(chǎn)品的固有屬性或缺陷屬性；
[0008] 采用決策樹算法對(duì)所述訓(xùn)練集進(jìn)行訓(xùn)練生成決策樹，其中，所述訓(xùn)練集屬于所述 目標(biāo)訓(xùn)練集；
[0009] 對(duì)所述決策樹進(jìn)行壓縮得到第一決策樹；
[0010] 利用可視化技術(shù)顯示所述第一決策樹；
[0011] 從測試集中選取至少一條測試?yán)来屋斎胨龅谝粵Q策樹中進(jìn)行測試，生成所述 至少一條測試?yán)姆诸惵窂剑?br> [0012] 利用所述可視化技術(shù)在所述第一決策樹中顯示所述至少一條測試?yán)姆诸惵窂健?br> [0013] 在第一種可能的實(shí)現(xiàn)方式中，根據(jù)第一方面，所述方法還包括：
[0014] 根據(jù)所述至少一條測試?yán)姆诸惵窂脚袛嗍欠裾{(diào)節(jié)所述特征屬性和所述決策樹 算法的算法系數(shù)；
[0015] 若判斷結(jié)果為是，則調(diào)節(jié)所述特征屬性和所述決策樹算法的算法系數(shù)；
[0016] 重新根據(jù)調(diào)節(jié)后的特征屬性對(duì)預(yù)存的產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生 成新的訓(xùn)練集，并采用調(diào)節(jié)過算法系數(shù)的決策樹算法根據(jù)所述新的訓(xùn)練集生成新的決策 樹。
[0017] 在第二種可能的實(shí)現(xiàn)方式中，根據(jù)第一方面，所述對(duì)所述決策樹進(jìn)行壓縮得到第 一決策樹，包括：
[0018] 通過后續(xù)遍歷所述決策樹中每條邊對(duì)應(yīng)的節(jié)點(diǎn)和父節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)，其中，所述節(jié) 點(diǎn)包括子節(jié)點(diǎn)或子樹；
[0019] 將所述決策樹中所有的有相同節(jié)點(diǎn)對(duì)的邊進(jìn)行合并，得到所述第一決策樹。
[0020] 在第三種可能的實(shí)現(xiàn)方式中，根據(jù)第二種可能的實(shí)現(xiàn)方式，所述將所述決策樹中 所有的有相同節(jié)點(diǎn)對(duì)的邊進(jìn)行合并，得到所述第一決策樹之后，還包括：
[0021] 將所有的合并后的邊及對(duì)應(yīng)的所述有相同節(jié)點(diǎn)對(duì)的邊存入標(biāo)記文件的信息映射 表中，其中，所述信息映射表為所述決策樹的邊和所述第一決策樹的邊的對(duì)應(yīng)關(guān)系表。
[0022] 在第四種可能的實(shí)現(xiàn)方式中，根據(jù)第一方面，所述從測試集中選取至少一條測試 例依次輸入所述第一決策樹中進(jìn)行測試，生成所述至少一條測試?yán)姆诸惵窂?，包括?br> [0023] 通過解析從測試集中選取的至少一條測試?yán)械拿織l測試?yán)玫剿雒織l測試 例的屬性值對(duì)集合；
[0024] 將第一屬性值對(duì)集合輸入所述第一決策樹與所述第一決策樹的第一層級(jí)進(jìn)行匹 配；
[0025] 若所述第一屬性值對(duì)集合與所述第一決策樹的第一層級(jí)有匹配，則將所述第一屬 性值對(duì)集合與所述第一決策樹的第一層級(jí)的所有節(jié)點(diǎn)進(jìn)行匹配，直到所述第一決策樹的所 有層級(jí)的節(jié)點(diǎn)全部匹配完，則所述第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)诸愅瓿桑?br> [0026] 將所述第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)姆诸惵窂竭M(jìn)行標(biāo)注，并將第二屬性值對(duì) 集合輸入所述第一決策樹與所述第一決策樹的第一層級(jí)進(jìn)行匹配，直到所有測試?yán)糠?類完成；
[0027] 其中，所述第一屬性值對(duì)集合與第二屬性值對(duì)集合屬于所述屬性值對(duì)集合，所述 第一層級(jí)為通過由上至下進(jìn)行分層的所述第一決策樹的第一層節(jié)點(diǎn)。
[0028] 在第五種可能的實(shí)現(xiàn)方式中，根據(jù)第四種可能的實(shí)現(xiàn)方式，所述將第一屬性值對(duì) 集合輸入所述第一決策樹與所述第一決策樹的第一層級(jí)進(jìn)行匹配之后，還包括：
[0029] 若所述第一屬性值對(duì)集合與所述第一決策樹的第一層級(jí)無匹配，則對(duì)所述第一屬 性值對(duì)集合對(duì)應(yīng)的測試?yán)谒龅谝粵Q策樹中無法分類；
[0030] 將第三屬性值對(duì)集合輸入所述第一決策樹與所述第一決策樹的第一層級(jí)進(jìn)行匹 配，其中，所述第三屬性值對(duì)集合屬于所述屬性值對(duì)集合，所述第一層級(jí)為通過由上至下進(jìn) 行分層的所述第一決策樹的第一層節(jié)點(diǎn)。
[0031] 在第六種可能的實(shí)現(xiàn)方式中，結(jié)合第一方面或第一種至第五種可能的實(shí)現(xiàn)方式中 的任一種實(shí)現(xiàn)方式，所述可視化技術(shù)包括以放射型多層有向圖的方式可視化第一決策樹的 技術(shù)。
[0032] 第二方面，提供一種基于決策樹的預(yù)測裝置，包括：
[0033] 篩選單元，用于根據(jù)特征屬性對(duì)預(yù)存的產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生 成訓(xùn)練集，其中，所述特征屬性為所述產(chǎn)品缺陷數(shù)據(jù)集中產(chǎn)品的固有屬性或缺陷屬性；
[0034] 訓(xùn)練單元，用于采用決策樹算法對(duì)所述訓(xùn)練集進(jìn)行訓(xùn)練生成決策樹，其中，所述訓(xùn) 練集屬于所述篩選單元選擇的所述目標(biāo)訓(xùn)練集；
[0035] 壓縮單元，用于對(duì)所述決策樹進(jìn)行壓縮得到第一決策樹；
[0036] 可視化單元，用于利用可視化技術(shù)顯示所述壓縮單元得到的所述第一決策樹；
[0037] 測試單元，用于從測試集中選取至少一條測試?yán)来屋斎胨鰤嚎s單元得到的所 述第一決策樹中進(jìn)行測試，生成所述至少一條測試?yán)姆诸惵窂剑?br> [0038] 所述可視化單元，還用于利用所述可視化技術(shù)在所述壓縮單元得到的所述第一決 策樹中顯示所述測試單元生成的所述至少一條測試?yán)姆诸惵窂健?br> [0039] 在第一種可能的實(shí)現(xiàn)方式中，根據(jù)第二方面，所述裝置還包括：
[0040] 判斷單元，用于根據(jù)所述測試單元得到的所述至少一條測試?yán)姆诸惵窂脚袛嗍?否調(diào)節(jié)所述特征屬性和所述決策樹算法的算法系；
[0041] 調(diào)節(jié)單元，用于若所述判斷單元的判斷結(jié)果為是，則調(diào)節(jié)所述特征屬性和所述決 策樹算法的算法系數(shù)；
[0042] 所述訓(xùn)練單元，還用于重新根據(jù)所述調(diào)節(jié)單元得到的所述調(diào)節(jié)后的特征屬性對(duì)預(yù) 存的產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生成新的訓(xùn)練集，并采用所述調(diào)節(jié)單元得到的 調(diào)節(jié)過算法系數(shù)的決策樹算法根據(jù)所述新的訓(xùn)練集生成新的決策樹。
[0043] 在第二種可能的實(shí)現(xiàn)方式中，根據(jù)第二方面，所述壓縮單元，包括：
[0044] 掃描模塊，用于通過后續(xù)遍歷所述訓(xùn)練單元生成的所述決策樹中每條邊對(duì)應(yīng)的節(jié) 點(diǎn)和父節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)，其中，所述節(jié)點(diǎn)包括子節(jié)點(diǎn)或子樹；
[0045] 合并模塊，用于將所述訓(xùn)練單元生成的所述決策樹中所有的有相同節(jié)點(diǎn)對(duì)的邊進(jìn) 行合并，得到所述第一決策樹。
[0046] 在第三種可能的實(shí)現(xiàn)方式中，根據(jù)第二種可能的實(shí)現(xiàn)方式，所述對(duì)壓縮單元，還包 括：
[0047] 存儲(chǔ)模塊，用于將所有的合并后的邊及對(duì)應(yīng)的所述有相同節(jié)點(diǎn)對(duì)的邊存入標(biāo)記文 件的信息映射表中，其中，所述信息映射表為所述決策樹的邊和所述第一決策樹的邊的對(duì) 應(yīng)關(guān)系表。
[0048] 在第四種可能的實(shí)現(xiàn)方式中，根據(jù)第二方面，所述測試單元，包括：
[0049] 解析模塊，用于通過解析從測試集中選取的至少一條測試?yán)械拿織l測試?yán)?到所述每條測試?yán)膶傩灾祵?duì)集合；
[0050] 匹配模塊，用于將所述解析模塊解析出的第一屬性值對(duì)集合輸入所述第一決策樹 與所述第一決策樹的第一層級(jí)進(jìn)行匹配；
[0051] 所述匹配模塊，還用于若所述解析模塊解析出的所述第一屬性值對(duì)集合與所述第 一決策樹的第一層級(jí)有匹配，則將所述解析模塊解析出的所述第一屬性值對(duì)集合與所述第 一決策樹的第一層級(jí)的所有節(jié)點(diǎn)進(jìn)行匹配，直到所述第一決策樹的所有層級(jí)的節(jié)點(diǎn)全部匹 配完，則所述第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)诸愅瓿桑?br> [0052] 標(biāo)注模塊，用于將所述匹配模塊得到的所述第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)姆?類路徑進(jìn)行標(biāo)注，并將所述解析模塊解析出的第二屬性值對(duì)集合輸入所述第一決策樹與所 述第一決策樹的第一層級(jí)進(jìn)行匹配，直到所有測試?yán)糠诸愅瓿桑?br> [0053] 其中，所述第一屬性值對(duì)集合與第二屬性值對(duì)集合屬于所述屬性值對(duì)集合，所述 第一層級(jí)為通過由上至下進(jìn)行分層的所述第一決策樹的第一層節(jié)點(diǎn)。
[0054] 在第五種可能的實(shí)現(xiàn)方式中，根據(jù)第四種可能的實(shí)現(xiàn)方式，所述測試單元，還包 括：
[0055] 所述匹配模塊，還用于若所述解析模塊解析出的所述第一屬性值對(duì)集合與所述第 一決策樹的第一層級(jí)無匹配，則對(duì)所述第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)谒龅谝粵Q策樹 中無法分類；及用于將所述解析模塊解析出的第三屬性值對(duì)集合輸入所述第一決策樹與所 述第一決策樹的第一層級(jí)進(jìn)行匹配，其中，所述第三屬性值對(duì)集合屬于所述屬性值對(duì)集合， 所述第一層級(jí)為通過由上至下進(jìn)行分層的所述第一決策樹的第一層節(jié)點(diǎn)。
[0056] 在第六種可能的實(shí)現(xiàn)方式中，結(jié)合第二方面或第一種至第五種可能的實(shí)現(xiàn)方式中 的任一種實(shí)現(xiàn)方式，所述可視化技術(shù)包括以放射型多層有向圖的方式可視化第一決策樹的 技術(shù)。
[0057] 本發(fā)明實(shí)施例提供的基于決策樹的預(yù)測方法及裝置，能夠以放射型多層有向圖的 方式來可視化大規(guī)模決策樹模型，以及以可視化的方式來展示決策樹模型的預(yù)測過程，幫 助分析預(yù)測原因，并且在對(duì)決策樹進(jìn)行預(yù)測是，能夠顯示測試?yán)姆诸惵窂?，使得用戶能?看到簡潔清晰的決策樹模型及測試?yán)姆诸惵窂健?br>
【專利附圖】

【附圖說明】
[0058] 為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可 以根據(jù)這些附圖獲得其他的附圖。
[0059] 圖1為本發(fā)明實(shí)施例提供的一種基于決策樹的預(yù)測方法流程圖；
[0060] 圖2為本發(fā)明實(shí)施例提供的另一種基于決策樹的預(yù)測方法流程圖；
[0061] 圖3為本發(fā)明實(shí)施例提供的一種基于決策樹的預(yù)測裝置組成示意圖；
[0062] 圖4為本發(fā)明實(shí)施例提供的另一種基于決策樹的預(yù)測裝置組成示意圖；
[0063] 圖5為本發(fā)明另一實(shí)施例提供的一種基于決策樹的預(yù)測裝置組成示意圖。

【具體實(shí)施方式】
[0064] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于 本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0065] 本發(fā)明的實(shí)施例提供了一種基于決策樹的預(yù)測方法，如圖1所示，該方法包括如 下步驟：
[0066] 101、基于決策樹的預(yù)測裝置根據(jù)特征屬性對(duì)產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性 選擇生成目標(biāo)訓(xùn)練集。
[0067] 其中，上述的特征屬性為產(chǎn)品缺陷數(shù)據(jù)集中產(chǎn)品的固有屬性或缺陷屬性。
[0068] 102、基于決策樹的預(yù)測裝置采用決策樹算法對(duì)訓(xùn)練集進(jìn)行訓(xùn)練生成決策樹。
[0069] 其中，訓(xùn)練集屬于目標(biāo)訓(xùn)練集。
[0070] 103、基于決策樹的預(yù)測裝置對(duì)決策樹進(jìn)行壓縮得到第一決策樹。
[0071] 104、基于決策樹的預(yù)測裝置利用可視化技術(shù)顯示第一決策樹。
[0072] 105、基于決策樹的預(yù)測裝置從測試集中選取至少一條測試?yán)来屋斎氲谝粵Q策 樹中進(jìn)行測試，生成至少一條測試?yán)姆诸惵窂健?br> [0073] 106、基于決策樹的預(yù)測裝置利用可視化技術(shù)在第一決策樹中顯示至少一條測試 例的分類路徑。
[0074] 本發(fā)明實(shí)施例提供的基于決策樹的預(yù)測方法，能夠以可視化技術(shù)來顯示大規(guī)模決 策樹模型，以及利用可視化技術(shù)來展示決策樹模型的預(yù)測過程，幫助分析預(yù)測原因，并且在 對(duì)決策樹進(jìn)行預(yù)測時(shí)，能夠顯示測試?yán)姆诸惵窂?，使得用戶能夠看到簡潔清晰的決策樹 模型及測試?yán)姆诸惵窂健?br> [0075] 本發(fā)明的實(shí)施例提供一種基于決策樹的預(yù)測方法，如圖2所示，該方法包括如下 步驟：
[0076] 201、基于決策樹的預(yù)測裝置根據(jù)特征屬性對(duì)產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性 選擇生成目標(biāo)訓(xùn)練集。
[0077] 其中，上述特征屬性包括上述產(chǎn)品缺陷數(shù)據(jù)集中產(chǎn)品的固有屬性和缺陷屬性。其 中，上述的產(chǎn)品缺陷數(shù)據(jù)集是工作人員對(duì)缺陷產(chǎn)品屬性的記錄，包括產(chǎn)品的固有屬性（如， 產(chǎn)品名稱，產(chǎn)品線，制造商等）和產(chǎn)品的缺陷屬性（如缺陷類型、缺陷代碼來源，缺陷產(chǎn)品來 源國家/省份，缺陷單板編碼等），以及其他屬性，而且一般來說上述的產(chǎn)品缺陷數(shù)據(jù)集會(huì) 有幾十維數(shù)據(jù)，數(shù)據(jù)量會(huì)很大，因此，需要從中挑選出所需要的數(shù)據(jù)。
[0078] 具體的，基于決策樹的預(yù)測裝置從輸入的產(chǎn)品缺陷數(shù)據(jù)集中根據(jù)特征屬性選擇對(duì) 下述預(yù)測過程有用的屬性數(shù)據(jù)。比如，若該產(chǎn)品缺陷數(shù)據(jù)集是50列的數(shù)據(jù)集，在經(jīng)過屬性 選擇后，剩余的只有10列數(shù)據(jù)，則該10列數(shù)據(jù)就會(huì)作為訓(xùn)練集。此外，屬性選擇既可以縮小 數(shù)據(jù)集的大小，又可以提高決策樹模型的預(yù)測效果，是產(chǎn)品缺陷預(yù)測的重要步驟之一，而在 進(jìn)行屬性選擇時(shí)，所用到的方法一般是通過算法選擇（如：基于信息增益的特征選擇算法） 和人工選擇相結(jié)合的方式來進(jìn)行的選擇的。
[0079] 可選的，在步驟201之后還包括：基于決策樹的預(yù)測裝置將目標(biāo)訓(xùn)練集分為訓(xùn)練 集和測試集兩部分。
[0080] 具體的，在決策樹模型訓(xùn)練中，一般會(huì)有兩種模型測試的方法，一種是將訓(xùn)練集中 的數(shù)據(jù)分成兩部分，將一部分?jǐn)?shù)據(jù)用來做訓(xùn)練生成決策樹（即訓(xùn)練集），一部分?jǐn)?shù)據(jù)用來做 測試（及測試集），其中，一般在測試集中選擇測試?yán)?；另一種方法是采用η-折交叉驗(yàn)證 法，將訓(xùn)練集中的數(shù)據(jù)分為η折，若將數(shù)據(jù)分為10份，取其中9份用來做訓(xùn)練生成決策樹， 剩下的一份用來做測試，作為測試?yán)M(jìn)行測試，直到將10份數(shù)據(jù)全都作為測試?yán)謩e進(jìn)行 測試，才能完成整個(gè)測試過程。
[0081] 可選的，基于決策樹的預(yù)測裝置也可以將步驟201生成的目標(biāo)訓(xùn)練集的全部或一 部分?jǐn)?shù)據(jù)作為訓(xùn)練集，而下述的測試集可以從其他的產(chǎn)品缺陷數(shù)據(jù)集中獲取。
[0082] 202、基于決策樹的預(yù)測裝置采用決策樹算法對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，生成決策樹。
[0083] 其中，上述的訓(xùn)練集屬于目標(biāo)訓(xùn)練集，上述的決策樹算法包括但不限于：C4. 5決 策樹算法或隨機(jī)森林算法。而且在對(duì)訓(xùn)練集進(jìn)行訓(xùn)練和輸入輸出時(shí)，可以使用目前的開源 工具，如wake工具，也可以自己寫代碼實(shí)現(xiàn)。
[0084] 此外，在本步驟中生成的決策樹可以是一顆，也可以是多顆，若生成多顆決策樹， 則按照生成決策樹的順序或任意順序，依次對(duì)選取的決策樹進(jìn)行壓縮和測試，每一個(gè)決策 樹完成測試后，再進(jìn)行下一個(gè)。
[0085] 203、基于決策樹的預(yù)測裝置對(duì)決策樹進(jìn)行壓縮得到第一決策樹。
[0086] 進(jìn)一步可選的，步驟203具體包括：
[0087] 203a、基于決策樹的預(yù)測裝置通過后續(xù)遍歷所述決策樹中每條邊對(duì)應(yīng)的節(jié)點(diǎn)和父 節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)。
[0088] 其中，上述節(jié)點(diǎn)包括子節(jié)點(diǎn)或子樹，若上述節(jié)點(diǎn)對(duì)為子樹與父節(jié)點(diǎn)的組合，則需要 兩顆子樹完全相同，且父節(jié)點(diǎn)相同，才可以組合為節(jié)點(diǎn)對(duì)。
[0089] 203b、基于決策樹的預(yù)測裝置將決策樹中所有的有相同節(jié)點(diǎn)對(duì)的邊進(jìn)行合并，得 到第一決策樹。
[0090] 進(jìn)一步可選的，步驟203還包括：
[0091] 203c、基于決策樹的預(yù)測裝置將所有的合并后的邊及對(duì)應(yīng)的有相同節(jié)點(diǎn)對(duì)的兩個(gè) 邊存入標(biāo)記文件的信息映射表中。
[0092] 其中，上述的信息映射表為決策樹的邊和第一決策樹的邊的對(duì)應(yīng)關(guān)系表。
[0093] 具體的，首先將決策樹通過由上到下進(jìn)行分層將決策樹進(jìn)行分級(jí)，其中該決策樹 由上到下的層級(jí)由（level 0,1,1,......)進(jìn)行標(biāo)注，每層level的節(jié)點(diǎn)用node (N)來進(jìn)行 標(biāo)注。具體的壓縮過程為：后續(xù)遍歷整個(gè)決策樹，即從最底層level η開始，掃描每條邊對(duì) 應(yīng)的結(jié)點(diǎn)和父節(jié)點(diǎn)的組合對(duì)，若相同父節(jié)點(diǎn)下的葉子節(jié)點(diǎn)也相同，則將這些邊合并為一條， 并用Lx來表示（χ= 1，2, 3,......），且該合并后的邊作為壓縮精簡后的第一決策樹的邊， 在level η掃描完成后，向上移至leveln-1，并重復(fù)level η的處理過程，直到所有層級(jí)全 部掃描完，則整個(gè)壓縮精簡過程才全部完成。
[0094] 其中，上述的邊的合并過程可以描述為：若有節(jié)點(diǎn)NO、N1 (NO、Ν1也可以為兩棵 樹），且其父節(jié)點(diǎn)為PN0，N0，N1和父節(jié)點(diǎn)之間的連接邊分別為e0，el，如果NO = N1，那么合 并e0 el為L0,并在legend文件（即上述的標(biāo)記文件）中的信息映射表中以L0 :e0 el的 形式進(jìn)行存儲(chǔ)。
[0095] 204、基于決策樹的預(yù)測裝置利用可視化技術(shù)顯示第一決策樹。
[0096] 可選的，上述的可視化技術(shù)包括以放射型多層有向圖的方式可視化第一決策樹的 技術(shù)，其中，當(dāng)以放射形多層有向圖的方式可視化步驟203生成的第一決策樹時(shí)，能夠使得 第一決策樹的節(jié)點(diǎn)分布更加均勻，可視化空間利用更充分，可視化效果更加突出。此外， 在實(shí)現(xiàn)本步驟時(shí)可以借助一些可視化工具，如Graphviz sfdp filter,其中在進(jìn)行決策樹 模型輸出時(shí)，是輸出兩個(gè)文件，一個(gè)是精簡的放射多層有向文件，一個(gè)是描述精簡邊Lx的 legend 文件。
[0097] 205、基于決策樹的預(yù)測裝置從測試集中選取至少一條測試?yán)来屋斎氲谝粵Q策 樹中進(jìn)行測試，生成至少一條測試?yán)姆诸惵窂健?br> [0098] 205a、基于決策樹的預(yù)測裝置通過解析從測試集中選取的至少一條測試?yán)械拿?條測試?yán)?，得到每條測試?yán)膶傩灾祵?duì)集合。
[0099] 具體的，該測試?yán)母鲗傩灾g是以分隔符分隔（如逗號(hào)，堅(jiān)線等），如"故障地點(diǎn) =valuel，生產(chǎn)線=value2,......"，首先將上述的測試?yán)械姆指舴M(jìn)行解析，然后將 生成的屬性值對(duì)存入集合中，其他測試?yán)貜?fù)上述過程。
[0100] 205b、基于決策樹的預(yù)測裝置將第一屬性值對(duì)集合輸入第一決策樹與第一決策樹 的第一層級(jí)進(jìn)行匹配。
[0101] 若第一屬性值對(duì)集合與第一決策樹的第一層級(jí)有匹配，則轉(zhuǎn)向步驟205c，若第一 屬性值對(duì)集合與第一決策樹的第一層級(jí)無匹配，則轉(zhuǎn)向步驟205e。
[0102] 205c、基于決策樹的預(yù)測裝置將第一屬性值對(duì)集合與所第一決策樹的第一層級(jí)的 所有節(jié)點(diǎn)進(jìn)行匹配，直到第一決策樹的所有層級(jí)的節(jié)點(diǎn)全部匹配完，則第一屬性值對(duì)集合 對(duì)應(yīng)的測試?yán)诸愅瓿伞?br> [0103] 205d、基于決策樹的預(yù)測裝置在放射型多層有向圖中將第一屬性值對(duì)集合對(duì)應(yīng)的 測試?yán)姆诸惵窂竭M(jìn)行標(biāo)注，并第二屬性值對(duì)集合輸入第一決策樹與第一決策樹的第一層 級(jí)進(jìn)行匹配，直到所有測試?yán)糠诸愅瓿伞?br> [0104] 其中，上述的第一屬性值對(duì)集合與第二屬性值對(duì)集合屬于上述的屬性值對(duì)集合， 上述的第一層級(jí)為通過由上至下進(jìn)行分層的第一決策樹的第一層節(jié)點(diǎn)。
[0105] 205e、基于決策樹的預(yù)測裝置對(duì)第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)诘谝粵Q策樹中 無法分類。
[0106] 205f、基于決策樹的預(yù)測裝置將第三屬性值對(duì)集合輸入第一決策樹與第一決策樹 的第一層級(jí)進(jìn)行匹配。
[0107] 其中，上述的第三屬性值對(duì)集合屬于屬性值對(duì)集合，上述的第一層級(jí)為通過由上 至下進(jìn)行分層的所述第一決策樹的第一層節(jié)點(diǎn)。
[0108] 其中，該第一決策樹有上至下層級(jí)為（level 0,1，1，......），而每層（level 0， 1,1,......)上的匹配節(jié)點(diǎn)分別為node 0，1，2,.......
[0109] 具體的，步驟205的具體過程為：
[0110] 從至少一個(gè)測試?yán)羞x取一個(gè)測試?yán)膶?duì)應(yīng)的屬性值對(duì)集合，及第一屬性值對(duì)集 合，首先，從level 0開始，將該第一屬性值對(duì)集合與第一決策樹的level 0層級(jí)的匹配節(jié) 點(diǎn)對(duì)（即匹配節(jié)點(diǎn)與對(duì)應(yīng)的邊的組合）是否匹配，若匹配，則從level 1開始將該第一屬 性值對(duì)集合與第一決策樹的level 1的結(jié)點(diǎn)nodel開始依次進(jìn)行匹配，直到第一決策樹的 所有層級(jí)的匹配節(jié)點(diǎn)全部匹配完全，則說明該第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)诸愅瓿桑?然后，在放射型多層有向圖中將第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)姆诸惵窂竭M(jìn)行標(biāo)注，并 選取另一個(gè)測試?yán)龑?duì)應(yīng)的屬性值對(duì)集合（即第二屬性值對(duì)集合）與第一決策樹進(jìn)行匹配過 程，直到所有測試?yán)糠诸愅瓿?。若不匹配，則對(duì)該測試?yán)诘谝粵Q策樹中無法分類，并 選取下一個(gè)測試?yán)龑?duì)應(yīng)的屬性值對(duì)集合（即第三屬性值對(duì)集合）與第一決策樹進(jìn)行匹配過 程。此外，上述的對(duì)測試?yán)姆诸惵窂竭M(jìn)行標(biāo)注的標(biāo)注方法可以為用不同顏色進(jìn)行加粗放 大。
[0111] 206、基于決策樹的預(yù)測裝置利用可視化技術(shù)在第一決策樹中顯示至少一條測試 例的分類路徑。
[0112] 具體的，基于決策樹的預(yù)測裝置由于對(duì)至少一條測試?yán)姆诸惵窂竭M(jìn)行了標(biāo)注， 因此在將至少一條測試?yán)姆诸惵窂皆诘谝粵Q策樹中顯示時(shí)，能夠使得用戶可以更加直觀 清晰的看到測試過程和測試?yán)姆诸惵窂?，幫助用戶分析預(yù)測結(jié)果，進(jìn)而根據(jù)預(yù)測結(jié)果對(duì) 決策樹算法的算法參數(shù)和特征屬性進(jìn)行了調(diào)節(jié)重生生成新的更為準(zhǔn)確的決策樹。
[0113] 207、基于決策樹的預(yù)測裝置根據(jù)至少一條測試?yán)姆诸惵窂脚袛嗍欠裾{(diào)節(jié)特征 屬性和決策樹算法的算法系數(shù)。
[0114] 若判斷結(jié)果為是，則轉(zhuǎn)向步驟208,若判斷結(jié)果為否，則結(jié)束該基于決策樹的預(yù)測 過程。
[0115] 208、基于決策樹的預(yù)測裝置調(diào)節(jié)特征屬性和決策樹算法的算法系數(shù)。
[0116] 本發(fā)明實(shí)施例提供的基于決策樹的預(yù)測方法，能夠以可視化技術(shù)來顯示大規(guī)模決 策樹模型，以及利用可視化技術(shù)來展示決策樹模型的預(yù)測過程，幫助分析預(yù)測原因，并且在 對(duì)決策樹進(jìn)行預(yù)測時(shí)，能夠顯示測試?yán)姆诸惵窂?，使得用戶能夠看到簡潔清晰的決策樹 模型及測試?yán)姆诸惵窂健?br> [0117] 本發(fā)明的實(shí)施例提供一種基于決策樹的預(yù)測裝置，該裝置用于實(shí)現(xiàn)上述的基于決 策樹的預(yù)測方法，如圖3、4所示，該基于決策樹的預(yù)測裝置3包括：篩選單元31，訓(xùn)練單元 32、壓縮單元33、可視化單元34和測試單元35,其中：
[0118] 篩選單元31，用于根據(jù)特征屬性對(duì)預(yù)存的產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇 生成訓(xùn)練集，其中，特征屬性為產(chǎn)品缺陷數(shù)據(jù)集中產(chǎn)品的固有屬性或缺陷屬性。
[0119] 訓(xùn)練單元32,用于根據(jù)決策樹算法對(duì)訓(xùn)練集進(jìn)行訓(xùn)練生成決策樹，其中，訓(xùn)練集屬 于篩選單元31選擇的目標(biāo)訓(xùn)練集。
[0120] 壓縮單元33,用于對(duì)訓(xùn)練單元32生成的決策樹進(jìn)行壓縮得到第一決策樹。
[0121] 可視化單元34,用于利用可視化技術(shù)顯示壓縮單元33得到的第一決策樹。
[0122] 測試單元35,用于從測試集中選取至少一條測試?yán)来屋斎雺嚎s單元33得到的 第一決策樹中進(jìn)行測試，生成至少一條測試?yán)姆诸惵窂健?br> [0123] 可視化單元34,還用于利用可視化技術(shù)在壓縮單元33得到的第一決策樹中顯示 測試單元35生成的至少一條測試?yán)姆诸惵窂健?br> [0124] 可選的，該裝置還包括：判斷單元36和調(diào)節(jié)單元37,其中：
[0125] 判斷單元36,用于根據(jù)測試單元34得到的至少一條測試?yán)姆诸惵窂脚袛嗍欠?調(diào)節(jié)特征屬性和決策樹算法的算法系。
[0126] 調(diào)節(jié)單元37,用于若判斷單元36判斷的結(jié)果為是，則調(diào)節(jié)特征屬性和決策樹算法 的算法系數(shù)。
[0127] 訓(xùn)練單元31，還用于重新根據(jù)調(diào)節(jié)單元37得到的調(diào)節(jié)后的特征屬性對(duì)預(yù)存的產(chǎn) 品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生成新的訓(xùn)練集，并采用調(diào)節(jié)單元37得到的調(diào)節(jié)過 算法系數(shù)的決策樹算法根據(jù)新的訓(xùn)練集生成新的決策樹。
[0128] 進(jìn)一步可選的，如圖4所示，壓縮單元33,包括：掃描模塊331、合并模塊332和存 儲(chǔ)模塊333,其中：
[0129] 掃描模塊331，用于通過后續(xù)遍歷訓(xùn)練單元32生成的決策樹中每條邊對(duì)應(yīng)的節(jié)點(diǎn) 和父節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)，其中，節(jié)點(diǎn)包括子節(jié)點(diǎn)或子樹。
[0130] 合并模塊332,用于將訓(xùn)練單元32生成的決策樹中所有的有相同節(jié)點(diǎn)對(duì)的邊進(jìn)行 合并，得到第一決策樹。
[0131] 存儲(chǔ)模塊333,用于將所有的合并后的邊及對(duì)應(yīng)的有相同節(jié)點(diǎn)對(duì)的邊存入標(biāo)記文 件的信息映射表中，其中，信息映射表為決策樹的邊和第一決策樹的邊的對(duì)應(yīng)關(guān)系表。
[0132] 進(jìn)一步可選的，如圖4所示，測試單元35,包括：解析模塊351、匹配模塊352和標(biāo) 注模塊353,其中：
[0133] 解析模塊351，用于通過解析從測試集中選取的至少一條測試?yán)械拿織l測試?yán)?得到每條測試?yán)膶傩灾祵?duì)集合。
[0134] 匹配模塊352,用于將解析模塊351解析出的第一屬性值對(duì)集合輸入第一決策樹 與第一決策樹的第一層級(jí)進(jìn)行匹配。
[0135] 匹配模塊352,還用于若解析模塊351解析出的第一屬性值對(duì)集合與第一決策樹 的第一層級(jí)有匹配，則將解析模塊351解析出的第一屬性值對(duì)集合與第一決策樹的第一層 級(jí)的所有節(jié)點(diǎn)進(jìn)行匹配，直到第一決策樹的所有層級(jí)的節(jié)點(diǎn)全部匹配完，則第一屬性值對(duì) 集合對(duì)應(yīng)的測試?yán)诸愅瓿伞?br> [0136] 標(biāo)注模塊353,用于第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)姆诸惵窂竭M(jìn)行標(biāo)注，并將解 析模塊341解析出的第二屬性值對(duì)集合輸入第一決策樹與第一決策樹的第一層級(jí)進(jìn)行匹 配，直到所有測試?yán)糠诸愅瓿伞?br> [0137] 其中，第一屬性值對(duì)集合與第二屬性值對(duì)集合屬于屬性值對(duì)集合，第一層級(jí)為通 過由上至下進(jìn)行分層的第一決策樹的第一層節(jié)點(diǎn)。
[0138] 進(jìn)一步可選的，如圖4所示，測試單元35,還包括：
[0139] 匹配模塊352,還用于若解析模塊351解析出的第一屬性值對(duì)集合與第一決策樹 的第一層級(jí)無匹配，則對(duì)解析模塊351解析出的第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)诘谝粵Q 策樹中無法分類；及用于將解析模塊351解析出的第三屬性值對(duì)集合輸入第一決策樹與第 一決策樹的第一層級(jí)進(jìn)行匹配，其中，第三屬性值對(duì)集合屬于屬性值對(duì)集合，第一層級(jí)為通 過由上至下進(jìn)行分層的第一決策樹的第一層節(jié)點(diǎn)。
[0140] 可選的，該可視化技術(shù)包括以放射型多層有向圖的方式可視化第一決策樹的技 術(shù)。
[0141] 本發(fā)明實(shí)施例提供的基于決策樹的預(yù)測裝置，，能夠以可視化技術(shù)來顯示大規(guī)模 決策樹模型，以及利用可視化技術(shù)來展示決策樹模型的預(yù)測過程，幫助分析預(yù)測原因，并且 在對(duì)決策樹進(jìn)行預(yù)測是，能夠顯示測試?yán)姆诸惵窂?，使得用戶能夠看到簡潔清晰的決策 樹模型及測試?yán)姆诸惵窂健?br> [0142] 本發(fā)明的實(shí)施例提供一種基于決策樹的預(yù)測裝置，該裝置用于實(shí)現(xiàn)上述的基于決 策樹的預(yù)測方法，如圖5所示，該基于決策樹的預(yù)測裝置4包括：至少一個(gè)處理器41，存儲(chǔ) 器42,通信總線43以及至少一個(gè)通信接口 44。
[0143] 其中，通信總線43用于實(shí)現(xiàn)上述組件之間的連接并通信，該通信接口 44用于與外 部設(shè)備連接并通信。
[0144] 存儲(chǔ)器42中存儲(chǔ)需要執(zhí)行的程序代碼，這些程序代碼具體可以包括：篩選單元 421，訓(xùn)練單元422、壓縮單元423、可視化單元424和測試單元425。
[0145] 處理器41用于執(zhí)行存儲(chǔ)器42中存儲(chǔ)的單元，當(dāng)上述單元被處理器41執(zhí)行時(shí)，可 以實(shí)現(xiàn)如下功能：
[0146] 篩選單元421，用于根據(jù)特征屬性對(duì)預(yù)存的產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選 擇生成訓(xùn)練集，其中，特征屬性為產(chǎn)品缺陷數(shù)據(jù)集中產(chǎn)品的固有屬性或缺陷屬性。
[0147] 訓(xùn)練單元422,用于根據(jù)決策樹算法對(duì)訓(xùn)練集進(jìn)行訓(xùn)練生成決策樹，其中，訓(xùn)練集 屬于篩選單元421選擇的目標(biāo)訓(xùn)練集。
[0148] 壓縮單元423,用于對(duì)訓(xùn)練單元422生成的決策樹進(jìn)行壓縮得到第一決策樹。
[0149] 可視化單元424,用于利用可視化技術(shù)顯示壓縮單423得到的第一決策樹。
[0150] 測試單元425,用于從測試集中選取至少一條測試?yán)来屋斎雺嚎s單元423得到 的第一決策樹中進(jìn)行測試，生成至少一條測試?yán)姆诸惵窂健?br> [0151] 可視化單元424,還用于利用可視化技術(shù)在壓縮單元423得到的第一決策樹中顯 示測試單元425生成的至少一條測試?yán)姆诸惵窂健?br> [0152] 可選的，該存儲(chǔ)器42還包括：判斷單元426和調(diào)節(jié)單元427,其中：
[0153] 判斷單元426,用于根據(jù)測試單元424得到的至少一條測試?yán)姆诸惵窂脚袛嗍?否調(diào)節(jié)特征屬性和決策樹算法的算法系。
[0154] 調(diào)節(jié)單元427,用于若判斷單元426判斷的結(jié)果為是，則調(diào)節(jié)特征屬性和決策樹算 法的算法系數(shù)。
[0155] 訓(xùn)練單元421，還用于重新根據(jù)調(diào)節(jié)單元427得到的調(diào)節(jié)后的特征屬性對(duì)預(yù)存的 產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生成新的訓(xùn)練集，并采用調(diào)節(jié)單元427得到的調(diào)節(jié) 過算法系數(shù)的決策樹算法根據(jù)新的訓(xùn)練集生成新的決策樹。
[0156] 進(jìn)一步可選的，壓縮單元423,包括：掃描模塊、合并模塊和存儲(chǔ)模塊，其中：
[0157] 掃描模塊，用于通過后續(xù)遍歷所述訓(xùn)練單元生成的所述決策樹中每條邊對(duì)應(yīng)的節(jié) 點(diǎn)和父節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)，其中，所述節(jié)點(diǎn)包括子節(jié)點(diǎn)或子樹；
[0158] 合并模塊，用于將所述訓(xùn)練單元生成的所述決策樹中所有的有相同節(jié)點(diǎn)對(duì)的邊進(jìn) 行合并，得到所述第一決策樹。
[0159] 存儲(chǔ)模塊，用于將所有的合并后的邊及對(duì)應(yīng)的所述有相同節(jié)點(diǎn)對(duì)的邊存入標(biāo)記文 件的信息映射表中，其中，所述信息映射表為所述決策樹的邊和所述第一決策樹的邊的對(duì) 應(yīng)關(guān)系表。
[0160] 進(jìn)一步可選的，測試單元425,包括：解析模塊、匹配模塊和標(biāo)注模塊，其中：
[0161] 解析模塊，用于通過解析從測試集中選取的至少一條測試?yán)械拿織l測試?yán)?，?到所述每條測試?yán)膶傩灾祵?duì)集合。
[0162] 匹配模塊，用于將解析模塊解析出的第一屬性值對(duì)集合輸入所述第一決策樹與第 一決策樹的第一層級(jí)進(jìn)行匹配。
[0163] 匹配模塊，還用于若解析模塊解析出的第一屬性值對(duì)集合與第一決策樹的第一層 級(jí)有匹配，則將解析模塊解析出的第一屬性值對(duì)集合與第一決策樹的第一層級(jí)的所有節(jié)點(diǎn) 進(jìn)行匹配，直到第一決策樹的所有層級(jí)的節(jié)點(diǎn)全部匹配完，則第一屬性值對(duì)集合對(duì)應(yīng)的測 試?yán)诸愅瓿伞?br> [0164] 標(biāo)注模塊，用于將第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)姆诸惵窂竭M(jìn)行標(biāo)注，并將解 析模塊解析出的第二屬性值對(duì)集合輸入第一決策樹與第一決策樹的第一層級(jí)進(jìn)行匹配，直 到所有測試?yán)糠诸愅瓿伞?br> [0165] 其中，第一屬性值對(duì)集合與第二屬性值對(duì)集合屬于屬性值對(duì)集合，第一層級(jí)為通 過由上至下進(jìn)行分層的第一決策樹的第一層節(jié)點(diǎn)。
[0166] 進(jìn)一步可選的，測試單元425,還包括：
[0167] 匹配模塊，還用于若解析模塊解析出的第一屬性值對(duì)集合與第一決策樹的第一層 級(jí)無匹配，則對(duì)解析模塊解析出的第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)诘谝粵Q策樹中無法分 類；及用于將解析模塊解析出的第三屬性值對(duì)集合輸入第一決策樹與第一決策樹的第一層 級(jí)進(jìn)行匹配，其中，第三屬性值對(duì)集合屬于屬性值對(duì)集合，第一層級(jí)為通過由上至下進(jìn)行分 層的第一決策樹的第一層節(jié)點(diǎn)。
[0168] 可選的，該可視化技術(shù)包括以放射型多層有向圖的方式可視化第一決策樹的技 術(shù)。
[0169] 本發(fā)明實(shí)施例提供的基于決策樹的預(yù)測裝置，能夠以可視化技術(shù)來顯示大規(guī)模決 策樹模型，以及利用可視化技術(shù)來展示決策樹模型的預(yù)測過程，幫助分析預(yù)測原因，并且在 對(duì)決策樹進(jìn)行預(yù)測是，能夠顯示測試?yán)姆诸惵窂?，使得用戶能夠看到簡潔清晰的決策樹 模型及測試?yán)姆诸惵窂健?br> [0170] 以上所述，僅為本發(fā)明的【具體實(shí)施方式】，但本發(fā)明的保護(hù)范圍并不局限于此，任何 熟悉本【技術(shù)領(lǐng)域】的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵 蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)所述以權(quán)利要求的保護(hù)范圍為準(zhǔn)。
【權(quán)利要求】
1. 一種基于決策樹的預(yù)測方法，其特征在于，包括： 根據(jù)特征屬性對(duì)預(yù)存的產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生成目標(biāo)訓(xùn)練集，其 中，所述特征屬性為所述產(chǎn)品缺陷數(shù)據(jù)集中產(chǎn)品的固有屬性或缺陷屬性； 采用決策樹算法對(duì)所述訓(xùn)練集進(jìn)行訓(xùn)練生成決策樹，其中，所述訓(xùn)練集屬于所述目標(biāo) 訓(xùn)練集； 對(duì)所述決策樹進(jìn)行壓縮得到第一決策樹； 利用可視化技術(shù)顯示所述第一決策樹； 從測試集中選取至少一條測試?yán)来屋斎胨龅谝粵Q策樹中進(jìn)行測試，生成所述至少 一條測試?yán)姆诸惵窂剑? 利用所述可視化技術(shù)在所述第一決策樹中顯示所述至少一條測試?yán)姆诸惵窂健?br> 2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括： 根據(jù)所述至少一條測試?yán)姆诸惵窂脚袛嗍欠裾{(diào)節(jié)所述特征屬性和所述決策樹算法 的算法系數(shù)； 若判斷結(jié)果為是，則調(diào)節(jié)所述特征屬性和所述決策樹算法的算法系數(shù)； 重新根據(jù)調(diào)節(jié)后的特征屬性對(duì)預(yù)存的產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生成新 的訓(xùn)練集，并采用調(diào)節(jié)過算法系數(shù)的決策樹算法根據(jù)所述新的訓(xùn)練集生成新的決策樹。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)所述決策樹進(jìn)行壓縮得到第一決 策樹，包括： 通過后續(xù)遍歷所述決策樹中每條邊對(duì)應(yīng)的節(jié)點(diǎn)和父節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)，其中，所述節(jié)點(diǎn)包 括子節(jié)點(diǎn)或子樹； 將所述決策樹中所有的有相同節(jié)點(diǎn)對(duì)的邊進(jìn)行合并，得到所述第一決策樹。
4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述決策樹中所有的有相同節(jié)點(diǎn) 對(duì)的邊進(jìn)行合并，得到所述第一決策樹之后，還包括： 將所有的合并后的邊及對(duì)應(yīng)的所述有相同節(jié)點(diǎn)對(duì)的邊存入標(biāo)記文件的信息映射表中， 其中，所述信息映射表為所述決策樹的邊和所述第一決策樹的邊的對(duì)應(yīng)關(guān)系表。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述從測試集中選取至少一條測試?yán)?次輸入所述第一決策樹中進(jìn)行測試，生成所述至少一條測試?yán)姆诸惵窂?，包括?通過解析從測試集中選取的至少一條測試?yán)械拿織l測試?yán)玫剿雒織l測試?yán)?屬性值對(duì)集合； 將第一屬性值對(duì)集合輸入所述第一決策樹與所述第一決策樹的第一層級(jí)進(jìn)行匹配； 若所述第一屬性值對(duì)集合與所述第一決策樹的第一層級(jí)有匹配，則將所述第一屬性值 對(duì)集合與所述第一決策樹的第一層級(jí)的所有節(jié)點(diǎn)進(jìn)行匹配，直到所述第一決策樹的所有層 級(jí)的節(jié)點(diǎn)全部匹配完，則所述第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)诸愅瓿桑? 將所述第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)姆诸惵窂竭M(jìn)行標(biāo)注，并將第二屬性值對(duì)集合 輸入所述第一決策樹與所述第一決策樹的第一層級(jí)進(jìn)行匹配，直到所有測試?yán)糠诸愅?成； 其中，所述第一屬性值對(duì)集合與第二屬性值對(duì)集合屬于所述屬性值對(duì)集合，所述第一 層級(jí)為通過由上至下進(jìn)行分層的所述第一決策樹的第一層節(jié)點(diǎn)。
6. 根據(jù)權(quán)利要求5所述的方法，其特征在于，所述將第一屬性值對(duì)集合輸入所述第一 決策樹與所述第一決策樹的第一層級(jí)進(jìn)行匹配之后，還包括： 若所述第一屬性值對(duì)集合與所述第一決策樹的第一層級(jí)無匹配，則對(duì)所述第一屬性值 對(duì)集合對(duì)應(yīng)的測試?yán)谒龅谝粵Q策樹中無法分類； 將第三屬性值對(duì)集合輸入所述第一決策樹與所述第一決策樹的第一層級(jí)進(jìn)行匹配，其 中，所述第三屬性值對(duì)集合屬于所述屬性值對(duì)集合，所述第一層級(jí)為通過由上至下進(jìn)行分 層的所述第一決策樹的第一層節(jié)點(diǎn)。
7. 根據(jù)權(quán)利要求1至6任一項(xiàng)所述的方法，其特征在于，所述可視化技術(shù)包括以放射型 多層有向圖的方式可視化第一決策樹的技術(shù)。
8. -種基于決策樹的預(yù)測裝置，其特征在于，包括： 篩選單元，用于根據(jù)特征屬性對(duì)預(yù)存的產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生成訓(xùn) 練集，其中，所述特征屬性為所述產(chǎn)品缺陷數(shù)據(jù)集中產(chǎn)品的固有屬性或缺陷屬性； 訓(xùn)練單元，用于采用決策樹算法對(duì)所述訓(xùn)練集進(jìn)行訓(xùn)練生成決策樹，其中，所述訓(xùn)練集 屬于所述篩選單元選擇的所述目標(biāo)訓(xùn)練集； 壓縮單元，用于對(duì)所述決策樹進(jìn)行壓縮得到第一決策樹； 可視化單元，用于利用可視化技術(shù)顯示所述壓縮單元得到的所述第一決策樹； 測試單元，用于從測試集中選取至少一條測試?yán)来屋斎胨鰤嚎s單元得到的所述第 一決策樹中進(jìn)行測試，生成所述至少一條測試?yán)姆诸惵窂剑? 所述可視化單元，還用于利用所述可視化技術(shù)在所述壓縮單元得到的所述第一決策樹 中顯示所述測試單元生成的所述至少一條測試?yán)姆诸惵窂健?br> 9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述裝置還包括： 判斷單元，用于根據(jù)所述測試單元得到的所述至少一條測試?yán)姆诸惵窂脚袛嗍欠裾{(diào) 節(jié)所述特征屬性和所述決策樹算法的算法系； 調(diào)節(jié)單元，用于若所述判斷單元的判斷結(jié)果為是，則調(diào)節(jié)所述特征屬性和所述決策樹 算法的算法系數(shù)； 所述訓(xùn)練單元，還用于重新根據(jù)所述調(diào)節(jié)單元得到的所述調(diào)節(jié)后的特征屬性對(duì)預(yù)存的 產(chǎn)品缺陷數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行屬性選擇生成新的訓(xùn)練集，并采用所述調(diào)節(jié)單元得到的調(diào)節(jié) 過算法系數(shù)的決策樹算法根據(jù)所述新的訓(xùn)練集生成新的決策樹。
10. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述壓縮單元，包括： 掃描模塊，用于通過后續(xù)遍歷所述訓(xùn)練單元生成的所述決策樹中每條邊對(duì)應(yīng)的節(jié)點(diǎn)和 父節(jié)點(diǎn)的節(jié)點(diǎn)對(duì)，其中，所述節(jié)點(diǎn)包括子節(jié)點(diǎn)或子樹； 合并模塊，用于將所述訓(xùn)練單元生成的所述決策樹中所有的有相同節(jié)點(diǎn)對(duì)的邊進(jìn)行合 并，得到所述第一決策樹。
11. 根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述對(duì)壓縮單元，還包括： 存儲(chǔ)模塊，用于將所有的合并后的邊及對(duì)應(yīng)的所述有相同節(jié)點(diǎn)對(duì)的邊存入標(biāo)記文件的 信息映射表中，其中，所述信息映射表為所述決策樹的邊和所述第一決策樹的邊的對(duì)應(yīng)關(guān) 系表。
12. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述測試單元，包括： 解析模塊，用于通過解析從測試集中選取的至少一條測試?yán)械拿織l測試?yán)?，得到?述每條測試?yán)膶傩灾祵?duì)集合； 匹配模塊，用于將所述解析模塊解析出的第一屬性值對(duì)集合輸入所述第一決策樹與所 述第一決策樹的第一層級(jí)進(jìn)行匹配； 所述匹配模塊，還用于若所述解析模塊解析出的所述第一屬性值對(duì)集合與所述第一 決策樹的第一層級(jí)有匹配，則將所述解析模塊解析出的所述第一屬性值對(duì)集合與所述第一 決策樹的第一層級(jí)的所有節(jié)點(diǎn)進(jìn)行匹配，直到所述第一決策樹的所有層級(jí)的節(jié)點(diǎn)全部匹配 完，則所述第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)诸愅瓿桑? 標(biāo)注模塊，用于將所述匹配模塊得到的所述第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)姆诸惵?徑進(jìn)行標(biāo)注，并將所述解析模塊解析出的第二屬性值對(duì)集合輸入所述第一決策樹與所述第 一決策樹的第一層級(jí)進(jìn)行匹配，直到所有測試?yán)糠诸愅瓿桑? 其中，所述第一屬性值對(duì)集合與第二屬性值對(duì)集合屬于所述屬性值對(duì)集合，所述第一 層級(jí)為通過由上至下進(jìn)行分層的所述第一決策樹的第一層節(jié)點(diǎn)。
13. 根據(jù)權(quán)利要求12所述的裝置，其特征在于，所述測試單元，還包括： 所述匹配模塊，還用于若所述解析模塊解析出的所述第一屬性值對(duì)集合與所述第一決 策樹的第一層級(jí)無匹配，則對(duì)所述第一屬性值對(duì)集合對(duì)應(yīng)的測試?yán)谒龅谝粵Q策樹中無 法分類；及用于將所述解析模塊解析出的第三屬性值對(duì)集合輸入所述第一決策樹與所述第 一決策樹的第一層級(jí)進(jìn)行匹配，其中，所述第三屬性值對(duì)集合屬于所述屬性值對(duì)集合，所述 第一層級(jí)為通過由上至下進(jìn)行分層的所述第一決策樹的第一層節(jié)點(diǎn)。
14. 根據(jù)權(quán)利要求8至13任一項(xiàng)所述的裝置，其特征在于，所述可視化技術(shù)包括以放射 型多層有向圖的方式可視化第一決策樹的技術(shù)。
【文檔編號(hào)】G06F17/30GK104111920SQ201310131606
【公開日】2014年10月22日 申請(qǐng)日期:2013年4月16日 優(yōu)先權(quán)日:2013年4月16日
【發(fā)明者】陳煥華, 曹國祥 申請(qǐng)人:華為技術(shù)有限公司