分类准则

OneR（One Rule）是一种极简主义机器学习分类算法，其核心思想是仅利用单个决策规则（即一个特征及其阈值）来划分类别。该算法属于判别式模型，旨在解决二分类问题，通过遍历特征空间寻找最优分割点，将样本划分为两个互斥的类别。尽管其模型结构极其简单，甚至可视为逻辑回归的特例，但OneR在数据预处理要求低、训练速度快、可解释性强方面具有独特价值，常被用作基准模型或复杂模型的简化替代方案。

在现代计算架构与机器学习生态中，OneR扮演着‘轻量级基线模型’的关键角色。它填补了复杂深度学习模型与简单启发式规则之间的空白，特别适用于资源受限环境、实时流式数据处理以及对模型可解释性有极高要求的场景。与依赖大规模数据和复杂参数调优的主流模型不同，OneR强调‘少即是多’的工程哲学，其核心价值在于以近乎零的过拟合风险提供快速、透明的分类决策，成为构建混合模型系统或进行初步数据探索时的首选工具。