创建Kd-树最近邻搜索器
KDTreeSearcher
模型对象存储使用Kd-tree算法。结果包括训练数据、距离度量及其参数、每个叶节点最大数据点个数(即桶大小)。这个Kd-树算法划分N-借-K递归分割数据集N指向K维空间变成了二叉树。
一旦你创建了KDTreeSearcher
在模型对象中,通过使用执行最近邻搜索,可以搜索存储的树以查找查询数据的所有相邻点knnsearch
或半径搜索使用rangesearch
这个K时,d-树算法比穷举搜索算法效率更高K是小的(即,K≤10),训练集和查询集不稀疏,且训练集和查询集有较多的观测值。
使用createns
功能或KDTreeSearcher
函数(此处描述)创建KDTreeSearcher
这两个函数使用相同的语法,除了createns
函数具有“NSMethod”
名称-值对参数,用于选择最近邻搜索方法createns
函数还创建一个穷举搜索器
对象。指定“NSMethod”、“kdtree”
创建一个KDTreeSearcher
对象。默认值是“kdtree”
如果K≤10时,训练数据不稀疏,距离度量为Euclidean、city block、Chebychev或Minkowski。
knnsearch |
找到K-最近的邻居使用搜索对象 |
rangesearch |
使用searcher对象查找指定距离内的所有邻居 |