分类搜索,该怎么做

大家好
首先说下我遇到的问题:
比如商品,分了很多类,

[list]
[*]A
[list]
[*]A1
[list]
[*]A11
[list]
[*]A111
[*]A112
[*]A113
[/list]
[*]A12
[*]A13
[/list]
[*]A2
[*]A3
[*]A4
[/list]
[*]B
[*]C
[*]D
[/list]

如此,我点击A大类那应该显示的商品会包括A1,A2,A11,A12,A111,A122等等,只要是A大类下面的都应该显示,
那么数据库该如何设计?
我现在是这么设计的:categoryid,categoryCode,categoryname,categoryparentCode.用Code 和parentCode 将他们关联起来
这样以来再大类查询时就出问题了,如果用like 查询那么可能会出差错,并不能完全约定的Code.是吧?

搜索的时候如果要遍历category 的整个集合点也是很困难的。

目前我使用的方案是:
使用lucene 做N次索引。
具体如下:
如果一个商品是A1下,那么就向A,A1这2个索引里面添加,如果是A111那就必须添加A,A1,A11,A111四个索引了,感觉虽然查询起来是方便了但是索引有点多,不是太完美。

不知道各位道友是如何解决这个问题的呢,小生谢谢了。
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我可以为您提供关于r语言中使用AdaBoost分类模型进行交叉验证和网格搜索的方法。 首先,我们需要加载相关的库和数据集。这里以iris数据集为例: ```{r} library(adabag) library(caret) data(iris) ``` 接下来,我们需要将数据集划分为训练集和测试集: ```{r} set.seed(1234) trainIndex <- createDataPartition(iris$Species, p = .8, list = FALSE) train <- iris[trainIndex,] test <- iris[-trainIndex,] ``` 然后,我们可以使用trainControl函数设置交叉验证的参数: ```{r} ctrl <- trainControl(method = "repeatedcv", number = 10, repeats = 3) ``` 其中,method参数指定为repeatedcv表示使用重复的k折交叉验证,number参数指定为10表示将数据集划分为10个子集,repeats参数指定为3表示交叉验证重复3次。 接下来,我们可以使用train函数进行网格搜索和交叉验证: ```{r} set.seed(1234) boostGrid <- expand.grid(mfinal = 1:30, coeflearn = seq(0.1, 1, 0.1)) adaboostFit <- train(Species ~ ., data = train, method = "AdaBoost.M1", trControl = ctrl, tuneGrid = boostGrid) ``` 其中,method参数指定为AdaBoost.M1表示使用AdaBoost分类模型,tuneGrid参数指定为boostGrid表示对mfinal和coeflearn进行网格搜索。 最后,我们可以使用predict函数对测试集进行预测,并计算准确率: ```{r} adaboostPred <- predict(adaboostFit, newdata = test) confusionMatrix(adaboostPred, test$Species) ``` 这样就可以使用r语言中的AdaBoost分类模型进行交叉验证和网格搜索了。希望对您有所帮助!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值