使用机器学习比较树木变化的最佳技术/算法是啥？

Posted 2023-03-12

【中文标题】使用机器学习比较树木变化的最佳技术/算法是啥？

【英文标题】：What is the best technique/algorithm to compare trees changes using machine learning?使用机器学习比较树木变化的最佳技术/算法是什么？

【发布时间】：2015-07-31 08:18:15

【问题描述】：

我有一个想使用机器学习解决的问题。我想使用某种分类来了解树数据结构中刚刚添加的更改是“好”还是“坏”。 假设我有这棵树：

        (A) 
        / \
       /   \
     (B)   (C)

我对其进行了更改（“好”的更改，因此算法应该将此更改与“好”的更改相关联）。更新后的树是这样的：

       (A)
       / \
      /   \
    (D)   (C)
    /
   /
 (B)

在另一个节点 (B) 上方添加某个节点 (D) 将被归类为“良好”更改。 所以当我让学习者拥有正确的数据时，算法应该能够知道，如果我在 B 类型的节点之上添加一个 D 类型的节点，这是一个“好”的变化。

我想使用保持树结构的 XML 文件，像朴素贝叶斯这样的简单分类器不起作用，因为它无法识别一个节点是否添加到另一个节点之上，它只会是能够知道已经添加了一个节点。

我不知道应该如何使用哪种算法/技术，也不知道应该如何将数据传递给学习者，因为这种情况下的上下文很重要。

我是机器学习的新手，如果这是一个愚蠢的问题，我很抱歉。

谢谢

【问题讨论】：

我对这个话题了解不多，但似乎很适合reinforcement learning。

Here 是另一个更易读的强化学习介绍。

我不确定这个问题是否适合机器学习，或者它是否与简单规则有关。您要对树的其余部分不相关的树（更改结果）或局部更改（父节点到子节点的关系）进行分类吗？有比插入子节点更复杂的变化吗？您如何确定树/更改是好还是坏？

我只想从具体的变化中学习，例如：添加/删除/更新一个孩子，但要记住本地树上下文（例如，更近的 N 个孩子）。更改可以是更改子内容、删除子项、添加子项，但了解更改的本地上下文很重要。我不需要担心更改是好是坏，因为我已经知道了，我有好的更改和坏的更改列表，这不是问题。我想使用 ML，因为我想处理许多树的变化，我不需要知道它们。感谢您的回复。

如果您想通知评论者，请使用语法@stefan 参见comment reply。

【参考方案1】：

所有类型的分类器在不同场景中的表现都不同：SVM、AdaBoost、RandomForest，甚至是（朴素的）贝叶斯分类器。只需了解一些用于您最喜欢的编程语言的库，其中包含许多此类算法并尝试它们。

更重要的是您用来训练分类器的功能。在你的情况下，...

树的深度 树的平衡 订购 按这些节点的顺序加权的节点的某些属性

【讨论】：

但是例如使用贝叶斯分类器，我无法通过您告诉我的任何这些功能。我只能给算法一组属于“好”类别的文本和另一组属于“坏”类别的文本。如果刚刚添加的节点高于 A、B、C 等类型的节点，我无法传递树深度、平衡...

@FernandoGarcia 为什么你不能通过树深度什么的？您似乎将 XML 文件直接传递给分类器。我觉得不合适。您需要将原始数据转换为更可分类的特征，这是机器学习中常见且重要的部分。技术上可以通过解析 XML 文件来获得树的深度。

是的，这正是我想要避免的，因为如果我将 XML 传递给分类器，我不会得到任何好的结果。我需要处理所做更改的上下文，但我不知道应该使用哪种算法。我正在使用 apache spark 并使用朴素贝叶斯分类器，但是......这对于我想要实现的目标来说还不够。感谢您的回复。