用C++存储表格的最佳方法是什么？

Question

我用C++编写了一个决策树，使用了一个稍微修改过的版本C4.5 algorithm。每个节点表示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，因为我必须使用每个节点的子集，所以我需要一种快速方法来只选择行和列的子集。

主要目标是以尽可能最大的记忆和时间效率（按优先顺序）进行。

我认为最好的方法是有一个数组（或std :: vector）或类似的东西，并为每个节点有一个列表（数组，矢量等）或与column,line（可能对于该节点有效的元组）。

我现在应该有更好的方法来做到这一点，有什么建议吗？

UPDATE：我需要的是这样的：

在开始的时候我有这样的数据：

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 

但对第二个节点我只需要这样的数据：

Paris 4 5.0 
New York 7 1.3 
Paris 9 6.8 

而对于第三个节点：

Tokio 2 9.1 
Tokio 0 8.4 

但带有数百万条记录的表格，其数量高达数百列。

我想到的是将所有数据保存在矩阵中，然后为每个节点保留当前列和行的信息。事情是这样的：

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是浪费

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

这比拥有独立性要少得多用于每个节点的数据矩阵。

Answer 1

如何使用trie：http://en.wikipedia.org/wiki/Trie。

还有关于如何实现特里的讨论： Trie implementation