Machine learning 模糊决策树（ID3）。从ID3到FuzzyID3

我有一个关于模糊决策树的问题：我有一个训练数据（10列，1000000行），决策树（例如ID3）如何与模糊集“工作”？在FuzzyID3算法使用该训练集之前，必须对其进行“模糊化”？。我曾使用过决策树算法，但从未使用过模糊逻辑，我正在学习模糊逻辑，以了解如何用ID3算法“包装”模糊逻辑

这些问题产生于：我需要给出一个预测，其中一些变量对其他变量有影响（一些也是独立的），这就是为什么我认为fuzzy-ID3可以“解决”这个问题的原因。 另一个重要问题是，一些不在训练数据中的变量（没有历史记录）对训练数据中的变量有明显的影响。有没有办法将这些变量包括在最终预测中？。 让我给出一个情况：这个预测是基于历史数据，但显然不包括实际的真实世界情况，例如，预测“森林火灾（一个愚蠢的例子）”，这只考虑历史数据，并且实际上预测可能是好的，但不认为已经下了1个星期的雨……/P> 对不起，我的英语不好，模糊逻辑知识也很差。

---

谢谢你阅读我的问题

欢迎来到StackOverflow。请阅读并澄清您的问题。这对于StackExchange的另一个站点来说可能是个问题，如或。如果您没有真正的模糊输入，那么“精确”ID3可能会更好。但是什么是模糊输入？你能给我举个例子吗：（？我如何识别模糊训练集？