Деревья принятия решений на JavaScript

var predicates = {
   // предикат для нечисловых атрибутов
   '==': function (a, b) { return a == b },
   // например, группу людей можно разделить по цвету глаз:
   // в одну подгруппу поместим людей с зелёными глазами (цвет глаз == "зелёный"),
   // в другую группу - всех остальных

   // предикат для числовых атрибутов
   '>=': function (a, b) { return a >= b }
   // например, группу людей можно разделить по возрасту:
   // в одну подгруппу поместим людей, которым больше 18 лет (возраст >= 18),
   // в другую группу - всех остальных
};

var data = 
    [{person: 'Homer', hairLength: 0, weight: 250, age: 36, sex: 'male'},
     {person: 'Marge', hairLength: 10, weight: 150, age: 34, sex: 'female'},
     {person: 'Bart', hairLength: 2, weight: 90, age: 10, sex: 'male'},
     {person: 'Lisa', hairLength: 6, weight: 78, age: 8, sex: 'female'},
     {person: 'Maggie', hairLength: 4, weight: 20, age: 1, sex: 'female'},
     {person: 'Abe', hairLength: 1, weight: 170, age: 70, sex: 'male'},
     {person: 'Selma', hairLength: 8, weight: 160, age: 41, sex: 'female'},
     {person: 'Otto', hairLength: 10, weight: 180, age: 38, sex: 'male'},
     {person: 'Krusty', hairLength: 6, weight: 200, age: 45, sex: 'male'}];

var config = {
    // обучающая выборка
    trainingSet: data, 

    // название атрибута, который содержит название класса, к которому относится тот или иной элемент обучающей выборки
    categoryAttr: 'sex', 

    // масив атрибутов, которые должны игнорироваться при построении дерева
    ignoredAttributes: ['person']
    
    // при желании, можно установить ограничения:

    // максимальная высота дерева
    // maxTreeDepth: 10

    // порог энтропии, при достижении которого следует остановить построение дерева
    // entropyThrehold: 0.05

    // порог количества элементов обучающей выборки, при достижении которого следует остановить построение дерева
    // minItemsCount: 3 
};

// построение дерева принятия решений:
var decisionTree = new dt.DecisionTree(config);

// вот так можно пострить лес принятия решений:
var numberOfTrees = 3;
var randomForest = new dt.RandomForest(config, numberOfTrees);

var comic = {person: 'Comic guy', hairLength: 8, weight: 290, age: 38};

var decisionTreePrediction = decisionTree.predict(comic);
// результатом классификации с использованием дерева принятия решений
// является название класса, к которому следует отнести классифицируемый объект

var randomForestPrediction = randomForest.predict(comic);
// результатом классификации с использованием леса деревьев принятия решений
// есть объект, полями которого являются названия классов, 
// а значениями полей - является количество деревьев, которые "проголосовали" за то, 
// что классифицируемый объект принадлежит к соответствующему классу
//
// таким образом - чем больше деревьев проголосовало за какой-то класс, 
// тем больше вероятность того, что объект относится к данному классу