我正在准备一个计算机视觉类的任务，它涉及在从图像中提取特征之后训练一个简单的分类器。由于机器学习不是这里的主题，所以我不希望学生从头开始学习算法。所以，我必须向他们推荐一些参考实现。我相信决策树分类器适用于此。决策树感应开源代码
问题是各种语言允许的类很大：C++，C＃，Delphi。此外，我不希望学生花费大量时间来处理链接图书馆等技术问题。 WEKA非常适合Java。我们也可以在所有的包装器上使用OpenCV，但是我想要一些简单而又甜美的东西时，它非常笨重笨拙。
那么，你知道任何简单的C++/C＃/ Delphi库来学习决策树吗？
我知道这样的图书馆，只有其中一个我最近使用过。这两个是Waffles和Tilburg-Based Memory Learner（TiMBL）。两者都是免费和开源的（分别是lgpl和GNU gpl）。另外，两者都是稳定的，成熟的图书馆。 Waffles是由一位开发人员创建的，目前由一位开发人员维护，而我相信TiMBL是一个学术项目（针对语言学领域）。
在这两个中，我只使用了华夫饼中的决策树模块（在GDecisionTree类中，请参阅文档here）华夫饼可能是这里选择的库，因为它包含一组体面的描述性统计函数以及绘制用于诊断的功能，可视化解决方案空间等等。图书馆作者（Mike Gashler）还包括一组演示应用程序，但我不记得这些应用程序中的一个是否为决策树。
我已经使用了华夫饼图书馆的几个类（包括决策树类），我当然可以推荐它。我无法对基于蒂尔堡的记忆学习者多说什么，因为我从来没有使用它的决策树类。
我们终于推荐了Waffles和WEKA。 – 2010-10-11 05:39:44
编程语言不是问题。很难找到每种语言的决策树实现。几乎不可能保证所有版本都是相同的实现。
由于决策树是一个黑匣子方法。您可以将培训和测试数据写入标准文件（例如Weka中的arff格式，opencv也有自己的格式），并使用命令行调用树学习器和测试器。这样，所有的学生都有相同的决策树。否则，学生A使用一个好的树木学习者，学生B使用一个坏树木学习者，当他们的结果不同时，你不知道它是否来自决策树或CV部分的不同（例如特征处理）。在这种情况下，你将进入你必须关心树型学习者的细节/实施质量的情况。
当然你的观点是有道理的。但是如果只有一个应用程序用户使用（该班由300名学生完成），那么检查提交内容会更简单。另外，我们希望他们把他们的程序看作是一些最终产品，而不仅仅是一些研究代码。 :)另一方面，表现方面的细微差异并不重要：我们不会根据这一点对它们进行排名。 – 2010-10-11 05:33:27
您是否看过Alglib中的“决策林”实施？这是免费的学术用途。该网页声称支持C++/C＃和（可能）Delphi。这不是一个决策树实现，但random forests倾向于比许多问题上的单个决策树更好的分类器，并且他们不需要太长时间来训练。我的猜测是，很难在多种语言中找到一致的决策树实现，因为有很多不同类型的决策树算法。
如果Alglib不是您需要的，还可以在维基百科文章中列出许多其他开源随机森林库。 Cavaet：Alglib的实现声称不是传统的随机森林。
谢谢你的提示！我们建议学生首先使用决策树，因为它们在基本数据集上提供了足够的质量，并且在概念上很简单，即可以查看结构以进行调试或方法学目的。但是，我们建议学生在任务的高级部分实施随机森林。 – 2010-10-11 05:39:10
我做了信息抽取练习，我遇到过类似的问题。我所做的就是在复杂的图书馆中开发一个简单的包装 - 只展示必要的功能 - 让学生快速入门，并避免花费数小时来计算出框架。 – Skarab 2010-10-07 11:19:16
是的，但我不想为不同的语言实现四种不同的包装。:)此外，我希望学生在使用某些API时获得真实的体验。不幸的是，我们的课程似乎是课程中唯一的课程，涉及到这些问题。 – 2010-10-11 05:28:03