0

以下是决策树的属性和值的不同路径。如果我要枚举每个组合的树，树会很大。所以......树的每条路径都是叶节点的所有不同属性和值。

如果给出要评分的值列表，即找到具有最常见元素的节点，我使用下面的代码。

尝试完成我想要的最快速的方法是什么？下面的工作，但时间是最重要的，所以值得使用c和导入python。

树结构会更快吗？如果是这样 - 什么结构？scipy weave 会更快吗？

nodes = {}
nodes[1] = ['hod=1','hod=2','state=NY','state=LA']
nodes[2] = ['hod=3','hod=4','state=FL','state=NV']
nodes[3] = ['hod=5','hod=6','state=WY','state=HI']
nodes[4] = ['hod=5','hod=6']


score = ['hod=6','state=WY','dow=4']
score_size = len(score)

max_node = -1
max_len = -1
for node_id, node in nodes.iteritems():
    this_node_interection_len = len(set(score).intersection(node))
    if this_node_interection_len>max_len:
        max_len = this_node_interection_len
        max_node = node_id   
    #print node_id, len(set(score).intersection(node))


print 'max_node',3
4

1 回答 1

1

将数据存储在堆中可能会更快，其中len(score.intersection(node))是每个节点的键值。这样，构建初始数据结构会比制作平面字典要慢一些，但您可以快速检索前几个节点，而不仅仅是得分最高的节点。

您还应该考虑使用 PyPy 或类似的东西来优化性能。

于 2013-03-07T11:37:35.170 回答