machine-learning - 基于特征出现顺序的分类

Question

我有按顺序来自源的输入。当输入与特定顺序匹配时，它会被分类到特定组中。基于此，我建立了如下的培训文件。

LABEL FEATURE1,FEATURE2,FEATURE3,FEATURE4
CLASS_A INPUT_A,INPUT_B,INPUT_C,INPUT_D
CLASS_A INPUT_A,INPUT_B,INPUT_C,INPUT_D
CLASS_A INPUT_A,INPUT_B,INPUT_C,INPUT_D
CLASS_A INPUT_A,INPUT_B,INPUT_C,INPUT_D
CLASS_B INPUT_C,INPUT_D,,
CLASS_B INPUT_C,INPUT_D,,
CLASS_B INPUT_C,INPUT_D,,
CLASS_C INPUT_A,INPUT_B,INPUT_D,
CLASS_C INPUT_A,INPUT_B,INPUT_D,
CLASS_C INPUT_A,INPUT_B,INPUT_D,
CLASS_C INPUT_A,INPUT_B,INPUT_D,
CLASS_C INPUT_A,INPUT_B,INPUT_D,
CLASS_D INPUT_E,INPUT_F,,
CLASS_D INPUT_E,INPUT_F,,
CLASS_D INPUT_E,INPUT_F,,
CLASS_D INPUT_E,INPUT_F,,

我正在尝试使用决策树进行分类，但问题是在构建模型时没有考虑顺序。决策树是解决问题的正确方法吗？对于分类来说，特征的顺序而不是每个特征的权重很重要，或者是否有更好的算法/方法可用于解决此类问题。

Answer 1

决策树对此非常有用，但您选择的算法在处理输入时似乎没有考虑顺序。如果您使用预打包的算法，您可能会发现编辑输入文件并用其顺序标记每个特征更容易:将顺序视为特征值。例如，您的输入可能如下所示:

CLASS_A 1 2 3 4 0 0
CLASS_B 0 0 1 2 0 0
CLASS_C 1 2 0 3 0 0
CLASS_D 0 0 0 0 1 2

这将允许您从各种训练算法中进行选择:决策树、朴素贝叶斯、SVM，甚至 k 均值聚类。