目前，我参与了一些与数据挖掘相关的项目。我需要使用决策树归纳方法，并以GINIsplit作为分裂标准，将给定的数据集（.csv格式）分类到不同的类别中。所有这些工作都是在Java平台上完成的，没有使用任何工具，例如WEKA、ORANGE等。

我的问题是 – 为了使分类快速且高效，应该使用什么样的数据结构来表示决策树？另外，是否有针对不同类型属性的优化技术？我指的是，如果属性是名义的、数值的还是顺序的，是否有特定的技术？

提前感谢！

回答：

好吧，如果你真的想要最优的分类速度，可以将你的决策树输出到… .class 文件中。也就是说，生成一个树的代码片段，并编译它。这样，评估就可以以Java Hotspot JRE的原生速度执行。

因为你确实可以将决策树编码到程序逻辑中：

if (attribute_x < 0.1) {    switch(attribute_c) {        case BANANA: {            ...

主要的问题是，你想要将这些优化进行到什么程度。