在 C++ 中存储表的最佳方法是什么

Question

我正在使用 C4.5 algorithm 的略微修改版本在 C++ 中编写决策树。每个节点代表数据集的一个属性或一列，并且每个可能的属性值都有一个子节点。

我的问题是如何存储训练数据集，因为我必须为每个节点使用一个子集，因此我需要一种快速方法来仅选择行和列的子集。

主要目标是尽可能节省内存和时间（按优先级顺序）。

我认为最好的方法是拥有一个数组数组（或 std::vector）或类似的东西，并且每个节点都有一个列表（数组、向量等）或带有 column,line(可能是对该节点有效的元组对。

我现在应该有更好的方法来做到这一点，有什么建议吗？

更新：我需要的是这样的：

一开始我有这个数据：

Paris    4    5.0    True
New York 7    1.3    True
Tokio    2    9.1    False
Paris    9    6.8    True
Tokio    0    8.4    False

但是对于第二个节点，我只需要这些数据：

Paris    4    5.0
New York 7    1.3
Paris    9    6.8

对于第三个节点：

Tokio    2    9.1
Tokio    0    8.4

但对于一个包含数百万条记录和多达数百列的表。

我的想法是将所有数据保存在一个矩阵中，然后为每个节点保存当前列和行的信息。像这样的：

Paris    4    5.0    True
New York 7    1.3    True
Tokio    2    9.1    False
Paris    9    6.8    True
Tokio    0    8.4    False

节点 2：

columns = [0,1,2]
rows = [0,1,3]

节点 3：

columns = [0,1,2]
rows = [2,4]

这样在最坏的情况下我只能浪费

size_of(int) * (number_of_columns + number_of_rows) * node

这比为每个节点拥有一个独立的数据矩阵要少得多。

Answer 1

使用 at trie 怎么样：http://en.wikipedia.org/wiki/Trie。

还有关于如何实现trie的讨论： Trie implementation