具有非原子特征的预测

我想将非原子数据用作预测的功能。假设我有一个具有以下功能的表：

- Column 1: Categorical - House
- Column 2: Numerical - 23.22
- Column 3: A Vector - [ 12, 22, 32 ]
- Column 4: A Tree - [ [ 2323, 2323 ],[2323, 2323] , [ Boolean, Categorical ] ]
- Column 5: A List [ 122, Boolean ]

我想对第2栏进行预测/分类。

我正在做一些事情以自动回答任何类型的问题，例如“ Foo出生在哪里？” ...

我首先向搜索引擎进行查询，然后得到一些文本数据，然后进行所有解析工作（标记，词干，解析，拆分...）

我的第一种方法是制作一张桌子，每一行都有一行文本和许多功能，例如“ First Word”，“ First Word的标签”，“ Chunks”等。

但是通过这种方法，我错过了句子之间的关系。

我想知道是否有一种算法可以查看树结构（或向量）内部并建立关系并提取与预测/分类相关的任何内容。与我必须实现的算法相比，我更希望了解实现该功能的库。

当涉及到许多不同种类的数据时，尤其是当它们之间的关系不清楚时，我强烈建议您使用一种基于决策树的技术，据我所知，当今最受欢迎的技术是随机森林，并且极其随机树木。

两者都有sklearn的实现，并且非常易于使用。在非常高的水平上，decision tree基于方法对多种异构数据有利的原因是，决策树在很大程度上能够独立于所处理的特定数据，只要它们能够理解您的表示即可。

您仍然需要将数据拟合到某种特征向量中，但是基于您的示例，这似乎是一项非常简单的任务，并且，如果您愿意对实现进行更深入的研究，则肯定可以提出一个自定义的拆分树规则，而无需实际更改基础算法中的任何内容。该原纸是一个相当不错的地方开始，如果你想给一个镜头。

但是，如果您希望从文本数据中获取伪结构数据，建议您研究一下doc2vecGoogle最近开发的。我认为现在没有任何好的开源实现，但是它是对word2vec算法的非常直接的改进，该算法至少在C和中都有实现python。

希望有帮助！让我知道您是否还有其他问题。