Decision-Tree-Generator 0.0.4

概述

这个项目是从能够产生一个修剪过的， 对执行操作的任何简单算法的有效决策树 一小串数据。上面是这样一棵树的例子 带元素列表的插入排序算法 ['x', 'y', 'z', 'a']。

用法

当在特定算法上运行时，程序生成完整的乳胶 为该算法生成修剪后的有效决策树的代码。

主包提供一个类TreeGenerator，它应该是 继承时重写了algorithm()方法。在这种方法中， 应输入对 self.data列表。每次比较记录时 你的算法，用下面的方法代替比较 呼叫：

self.comp(<firstrecord(self.data[x])>,<comparisonoperator('<')>,<secondrecord(self.data[y])>)

此方法将返回布尔值以控制算法 操作。

要生成决策树，请执行以下步骤：*创建实例 你的算法类。*对此运行execute()方法 反对。*运行render()方法并保存/打印输出 乳胶代码。

从那里，乳胶代码可以被放入一个.tex文件中，并且 使用乳胶处理器编译。

示例

示例算法和用法可以在src/example.py中找到。

工作原理

mainexecute()方法首先调用算法 实施。无论何时进行比较，程序都会保存 程序执行的“状态”，并将节点添加到 打印乳胶代码。然后返回True以使程序 做一个左分支。每次进行比较时，它都会检查以验证 最后一个比较是有效的，如果不是，则修剪节点。如果 比较无效，它将算法置于“跛脚鸭”模式， 它指示比较方法始终返回False， 让算法完成它的过程。它继续这个过程 直到算法退出。

一旦算法退出，程序计算出布尔值。 必须返回comp()函数才能恢复执行 状态为算法中最新的左（True）分支。那么 做一个正确的分支，并继续整个过程。

通过这种方式，它探索了算法可以使用的所有可能的有效路径 在给定输入数据的情况下，生成一个树结构来表示 它。在那里，render()方法执行预排序遍历 生成乳胶代码。

贡献

如果您想添加或发现问题，请 打开一个问题或提交一个拉取请求，我将尝试处理它 尽快。