rangesearch
找到所有的邻居指定距离内使用搜索对象
描述
例子
寻找邻居半径内使用Kd-tree和详尽的搜索
rangesearch接受ExhaustiveSearcher或KDTreeSearcher模型对象在训练数据搜索最近的邻居来查询数据。一个ExhaustiveSearcher模型调用详尽的搜索算法,KDTreeSearcher模型定义了一个Kd-tree,rangesearch使用搜索最近的邻居。
加载费雪的虹膜数据集。随机储备5观测数据的查询数据。专注于花瓣维度。
负载fisheririsrng (1);%的再现性1)n =大小(量;idx = randsample (n, 5);X =量(~ ismember (1: n, idx) 3:4);%的训练数据Y =量(idx 3:4);%查询数据
成长一个默认的二维Kd-tree。
MdlKDT = KDTreeSearcher (X)
MdlKDT = KDTreeSearcher属性:BucketSize: 50距离:“欧几里得”DistParameter: [] X: [145 x2双)
MdlKDT是一个KDTreeSearcher模型对象。你可以改变它的可写属性使用点符号。
准备一个详尽的最近邻搜索器。
mdl = ExhaustiveSearcher (X)
mdl = ExhaustiveSearcher属性:距离:“欧几里得”DistParameter: [] X: [145 x2双)
mdl是一个ExhaustiveSearcher模型对象。它包含的选项,比如距离度量,使用找到最近的邻居。
或者,你可以种植Kd-tree或准备一个详尽的最近邻搜索器使用createns。
最近邻搜索训练数据指标,对应于每个查询半径0.5厘米内的观察。进行两种类型的搜索和使用默认设置。
r = 0.15;%的搜索半径IdxKDT = rangesearch (MdlKDT, Y, r);idx = rangesearch (mdl, Y, r);[IdxKDT idx]
ans =5×2单元阵列{1 x27双}{1 x27双}{[13]}{[13]}{1 x27双}{1 x27双}{1 x2双}{1 x2双}{1 x0双}{1 x0双}
IdxKDT和idx是细胞数组向量对应的指标吗X内0.15厘米的观察Y。指数矩阵的每一行对应一个查询的观察。
方法之间的比较结果。
cellfun (@isequal IdxKDT idx)
ans =5 x1逻辑阵列1 1 1 1 1
在这种情况下,结果都是一样的。
阴谋的结果setosa虹膜。
setosaIdx = strcmp(物种(~ ismember (1: n, idx)),“setosa”);XSetosa = X (setosaIdx:);ySetosaIdx = strcmp(物种(idx),“setosa”);YSetosa = Y (ySetosaIdx:);图;情节(XSetosa (: 1) XSetosa (:, 2),“同意”);持有在;情节(YSetosa (: 1) YSetosa (:, 2),“* r”);为j = 1: sum (ySetosaIdx) c = YSetosa (j:);circleFun = @ (x1, x2) r ^ 2 - (x1 - c (1))。^ 2 - (x2 - c (2)) ^ 2;fimplicit (circleFun [c (1) + (1) * r c (2) + (1) * r],“b -”)结束包含“花瓣长度(厘米)”;ylabel“花瓣宽度(cm)”;标题“Setosa花瓣测量”;传奇(“观察”,查询数据的,“搜索半径”);轴平等的持有从
搜索半径内邻居使用距离
加载费雪的虹膜数据集。
负载fisheriris
删除5虹膜随机预测的数据作为查询集。
rng (1);%的再现性1)n =大小(量;%样本大小qIdx = randsample (n, 5);%查询数据的指标X =量(~ ismember (1: n, qIdx):);:Y =量(qIdx);
准备一个默认的详尽的最近邻搜索者。
Mdl = ExhaustiveSearcher (X)
Mdl = ExhaustiveSearcher属性:距离:“欧几里得”DistParameter: [] X: (x4 145双)
Mdl是一个ExhaustiveSearcher模型。
找到训练数据的指标(X)0.15厘米内的每个点查询数据(Y)。指定距离的度量。
r = 1;Idx = rangesearch (Mdl, Y, r,“距离”,“mahalanobis”)
Idx =5×1单元阵列{1连接双}{1 x5双}{1 x6双}{[84]}{[69]}
Idx {3}
ans =1×61 34 33 22日24日2
每个单元的Idx对应于一个查询数据观察和包含X矢量指数的邻居在查询数据的0.15厘米。rangesearch安排指数在距离升序排列。例如,使用Mahalanobis距离,第二个最近邻Y (3:)是:X (34)。
计算距离半径内的邻居
加载费雪的虹膜数据集。
负载fisheriris
删除5虹膜随机预测的数据作为查询集。
rng (4);%的再现性1)n =大小(量;%样本大小qIdx = randsample (n, 5);%查询数据的指标X =量(~ ismember (1: n, qIdx):);:Y =量(qIdx);
增加一个四维Kd-tree使用训练数据。指定使用闵可夫斯基距离寻找最近的邻居。
Mdl = KDTreeSearcher (X);
Mdl是一个KDTreeSearcher模型。默认情况下,距离度量寻找最近的邻居是欧几里得度量。
找到训练数据的指标(X0.5厘米内)查询中的每个点数据(Y)。
r = 0.5;[Idx D] = rangesearch (Mdl, Y, r);
Idx和D是五行细胞数组向量。向量的值在Idx的指数是X。的X指数代表的观察中查询数据的0.5厘米,Y。D包含对应于观测的距离。
显示查询的结果观察3。
Idx {3}
ans =1×2127 122
D {3}
ans =1×20.2646 - 0.4359
最近的观察Y (3:)是X(127年:),这是0.2646厘米了。下一个最近的是X(122年:),这是0.4359厘米了。大于所有其他观察0.5厘米的距离:Y(5日)。
输入参数
输出参数
提示
knnsearch找到了k(正整数)点Mdl.X这是k最近的每一Y点。相比之下,rangesearch发现所有的点Mdl.X内的距离r(积极的标量)Y点。
选择功能
rangesearch是一个对象的函数需要一个吗ExhaustiveSearcher或者一个KDTreeSearcher模型对象,查询数据,和一个距离。在同等条件下,rangesearch返回相同的结果rangesearch当你指定名称-值对的论点“NSMethod”、“详尽”或“NSMethod”、“kdtree”,分别。
