从Python中的数据学习二进制决策图（BDD）

是否可以从数据中学习二进制决策图（BDD）（如机器学习方式）？如果是，怎么做

背景：我在Python中看到了一些用于完成这项任务的工具，例如使用决策树（Decision Trees，DTs），但我没有看到任何用于BDD的工具

举个例子，我想做的是：

---

前三列对应于“输入”数据集（xi），标签为（y）。N对应于计数，您可以使用后者来计算精度。请注意，这不是一个矩阵。在中间，你可以看到一个对应的BDD（这是我想要得到的图表），在右边是一个对应的DT。

如果目标是将输入输出赋值表转换为一个BDD，它表示由这些赋值定义的布尔函数，那么是的，这是可能的（这不是任何形式的学习）。例如，使用Python包：

从dd导入自动引用
bdd=autoref.bdd（）
bdd.声明（'x1'，'x2'，'x3'）
#这些是输入变量的赋值
#其中布尔函数为真（y）。
#布尔函数为FALSE的赋值
#在下面的析取中不使用。
数据=[
dict（x1=真，x2=假，x3=真），
dict（x1=True，x2=True，x3=False），
dict（x1=True，x2=True，x3=True）]
u=bdd.false
对于数据中的d：
u |=bdd.立方体（d）#到目前为止的析取
bdd.dump（'example.png'，根=[u]）

我们得到以下图表，其中包括：

软件包

dd

可以通过以下方式安装：

pip安装dd

非常感谢您的回答。我有两个问题要问你：（1）是否有可能显式地有两个端点节点（即true/false）？（2） 如何使用模型来评估实例？（例如，类似bdd.evaluate（[x1=True，x2=False，x3=False]），对于这种情况，答案应该是False或0）。实现使用补充边（因此一个端点节点）。可以使用以下代码绘制没有补充边的BDD（因此有两个端点节点）。为了评估BDD，假设BDD支持中的所有变量都是赋值的，可以使用方法

BDD.let

。例如，

bdd.let（dict（x1=True，x2=False，x3=False），u）==bdd.True

。文档可在以下位置找到：。