患者规则诱导方法（PRIM）是什么启发了这个愿望清单请求？
数据挖掘“碰撞搜索”算法不需要经验模型。相反，它“耐心地”/逐步地搜索输入因子的超框，以最大化响应。
您希望看到什么改进？
来自 R：
library<SPAN class="">(</SPAN>prim<SPAN class="">)</SPAN>
library<SPAN class="">(</SPAN>MASS<SPAN class="">)</SPAN>
data<SPAN class="">(</SPAN>Boston<SPAN class="">)</SPAN>
x <SPAN class="">\</SPAN><SPAN class=""><-</SPAN> Boston<SPAN class="">\</SPAN><SPAN class="">[</SPAN><SPAN class="">,</SPAN><SPAN class="">5</SPAN><SPAN class="">:</SPAN><SPAN class="">6</SPAN><SPAN class="">\</SPAN><SPAN class="">]</SPAN>
y <SPAN class="">\</SPAN><SPAN class=""><-</SPAN> Boston<SPAN class="">\</SPAN><SPAN class="">[</SPAN><SPAN class="">,</SPAN><SPAN class="">1</SPAN><SPAN class="">\</SPAN><SPAN class="">]</SPAN>
boston.prim <SPAN class="">\</SPAN><SPAN class=""><-</SPAN> prim.box<SPAN class="">(</SPAN>x<SPAN class="">=</SPAN>x<SPAN class="">,</SPAN> y<SPAN class="">=</SPAN>y<SPAN class="">,</SPAN> threshold.type<SPAN class="">=</SPAN><SPAN class="">1</SPAN><SPAN class="">)</SPAN>
为什么这个想法很重要？
高级统计建模预测模型和机器学习质量与工艺工程回复：患者规则诱导方法（PRIM）这是一种“撞击狩猎”算法。这一理念非常重要，因为该方法不假设将响应与输入变量相关联的经验模型。它搜索实际发生的情况，并找到优化响应的最小输入值组合范围。这样的答案更容易被目标受众接受，因为最优条件并非预测会发生，而是实际发生的。在这方面，它类似于决策树。它与决策树的不同之处在于它不那么贪婪——因此其名称中带有“耐心”的描述。它的不同之处还在于它不生成模型或规则。输出只是最佳框/输入范围、次佳框等等。
工业统计学期刊正在将该方法评为一种更稳健的优化方法，适用于存在多种变异源的工业环境。准确建模所有这些变异源非常困难。PRIM 算法可以更稳健，因为它并非不建模条件，而只是搜索条件。
