Tree 聚类树结构（通用方法）

我需要将一些树聚合成“相似”树的簇，但实际上我不知道如何定义两棵不同树之间的距离。对于聚类算法，我的第一个赌注是k-均值，但我不确定我的选择

我需要评估拓扑差异（树之间）和数据距离（每个节点都包含一个值，因此具有相同结构的两棵树可以具有不同的值，因此它们被认为是不同的）

我的问题与此非常接近：

但我不想对堆栈跟踪进行集群，而是一个真正的树，我不能做的是编写一个考虑到每个节点的布局和内容的距离函数。

---

我不是问哪个距离函数适合我的场景，而是问哪个模式适合实现这个目标。

k-means需要计算平均值。你如何计算两棵树的平均数？我认为k-means是你最后的赌注。。。还有，你确定你在说什么吗？；-）严肃地说：你们需要一个距离来量化你们的应用程序的相似性。我有树来表示结构的层次结构。我需要比较两个结构是如何组织的，看看这两个结构是否相似（然后决定是否集群）。但实际上，我不知道我认为的聚类和树距离的最佳方法是哪一种，但我对这一建议持开放态度，这实际上取决于您的数据。没有通用的解决方案来量化树的相似性。适用于XML文档树的内容可能对您的数据毫无意义。例如，XML文档树在子文档之间有一个顺序。您能给我提供一些关于如何管理XML的示例或想法吗（这不是我的情况，但可能有助于理解这种情况）。在我的场景中，树是有序的，每个子级（和根）都有一个种类和一个值。我要做的是理解如何编写距离函数，或者是否有一些距离函数可以很好地处理一般情况。例如，我可以将树展平，然后使用Levenshtein列表之间的距离no：我不使用XML，而且我从来没有感觉到测量树的相似性的冲动。这是你自己真正需要弄清楚的事情，很抱歉。