背景 我有一个节点树，我正在尝试运行一些机器学习算法来对它们进行分类。我想要使用的一个特征是树中节点的位置，即较近的节点可能在同一类中。
我的问题 我将所有功能都表示为数字向量。关于如何将树中的位置表示为向量的任何想法？那么距离b / n两个向量对应树中节点之间的距离？ （我有一棵小树，深度在5-7左右，分枝在2-3左右）
我尝试了什么 附：我读到了算法，找到2个节点之间的最短距离（找到每个节点到最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x [i] =来自该祖先的级别数。问题是 - 我不知道如何处理非祖先的节点。
答案 0 :(得分：0)
只需将树的路径作为向量。然后简单地计算两条路径之间差异的长度。所以例如。 2,3,1,5,3是一条路。和2,3,3,5,9,5是另一条道路。所以2,3他们有共同之处。所以差异的长度是1,5,3和3,5,9,5，这是7.祝你好运
答案 1 :(得分：0)
因此，实际上有一种非常好的方法来获得您想要的功能;您可以使用MDS执行此操作。
MDS所做的是它采用N×N矩阵（这里N是节点数），其中条目a_ {i，j}是项目i和项目j（节点i和节点j）之间的距离，并且每个项目i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，我们可以让您的特征向量进行一些预处理。首先，找到每对节点的最短距离（跳数）（您可以使用Floyd-Warshall）然后使用距离矩阵作为MDS的输入并指定您的位置向量的维数，MDS将所述维度的输出位置向量。
如果您在网上搜索，我相信您可以找到Floyd-Warshall和MDS的开源实现。