节点在树中的位置作为特征向量？

Question

背景我有一棵节点树，我试图运行一些机器学习算法来对它们进行分类。我想使用的特性之一是树中节点的位置，即更接近的节点可能在同一个类中。

我的问题，，我把所有的特性表示为数字的向量。对于如何将树中的位置表示为向量，有什么想法吗？那么距离b/n两个向量对应于树中节点之间的距离吗？(我有一棵深在5-7左右，分枝在2-3左右的小树)

我尝试了 P.S。我读过关于在两个节点之间寻找最短距离的算法(找到每个节点与它们最接近的共同祖先的距离)，我发现的一个想法是有一个向量x，其中每个索引对应于树中可能的祖先。然后设置xi =来自该祖先的级别数。问题是-我不知道如何处理那些不是祖先的节点。

Answer 1

只要把树的路径作为向量。然后简单地计算这两条路径之间的差的长度。举个例子。2,3,1,5,3是一条道路。2,3,3,5,9,5是另一条路。所以他们有共同之处。所以差的长度是1,5,3，3,5,9,5，7，祝你好运

Answer 2

因此，实际上有一种非常好的方法来派生您想要的特性；您可以使用MDS来实现这一点。

MDS所做的是取N乘N个矩阵(这里N是节点数)，其中条目a_{i，j}是条目i与项j之间的距离(节点i和节点j)，对于每个项目i，它将返回D(预先指定的)位置向量D_i，使得D_i和D_j之间的距离近似为a_{i，j}。

因此，我们可以对你的特征向量进行一些预处理.首先，为每一对节点(可以使用弗洛伊德-沃尔)查找最短距离(以跳数表示)，然后使用距离矩阵作为位置向量的输入，并为您的位置向量指定维数，并输出所述维的位置向量。

如果你在网上搜索，我相信你可以找到开源的实现，弗洛伊德-沃尔和MDS。