患者規則誘導方法（PRIM）是什麼啟發了這個願望清單請求？
資料探勘「碰撞搜尋」演算法不需要經驗模型。相反，它“耐心地”/逐步地搜尋輸入因子的超框，以最大化響應。
您希望看到什麼改進？
來自 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>
為什麼這個想法很重要？
進階統計建模預測模型和機器學習品質與工藝工程回覆：患者規則誘導方法（PRIM）這是一種「撞擊狩獵」演算法。這一理念非常重要，因為該方法不假設將響應與輸入變數相關聯的經驗模型。它搜尋實際發生的情況，並找到最佳化回應的最小輸入值組合範圍。這樣的答案更容易被目標受眾接受，因為最優條件並非預測會發生，而是實際發生的。在這方面，它類似於決策樹。它與決策樹的不同之處在於它不那麼貪婪——因此其名稱中帶有「耐心」的描述。它的不同之處還在於它不產生模型或規則。輸出只是最佳框/輸入範圍、次佳框等等。
工業統計學期刊正在將此方法評為一種更穩健的最佳化方法，適用於存在多種變異源的工業環境。要準確建模所有這些變異源非常困難。 PRIM 演算法可以更穩健，因為它並非不建模條件，而只是搜尋條件。
