创造Kd树最近邻搜索器
kdtreesearcher.
模型对象存储使用的最近邻搜索的结果KD树算法。结果包括培训数据,距离度量和其参数,以及每个叶节点(即桶大小)中的最大数据点数。的Kd-树算法划分n——- - - - - -K通过递归拆分设置的数据n点K- 在二叉树中的尺寸空间。
一旦你创建一个kdtreesearcher.
模型对象时,您可以搜索存储的树来查找查询数据的所有邻近点,方法是使用knnsearch
或者半径搜索使用rangesearch.
.的KD-Tree算法比详尽的搜索算法更有效K小(即,K≤10),训练和查询集不是稀疏,训练和查询集具有许多观察。
使用这一点创造
函数或kdtreesearcher.
函数(这里描述)创建一个kdtreesearcher.
模型对象。这两个函数使用相同的语法,除了创造
函数有“NSMethod”
名称-值对参数,用于选择最近邻搜索方法。的创造
函数还创建ExhaustiveSearcher
对象。指定'nsmethod','kdtree'
创建一个kdtreesearcher.
对象。默认为“kdtree”
如果K≤10,训练数据不是稀疏,距离度量是欧几里德,城市块,Chebychev或Minkowski。
使用一个或多个名称-值对参数指定其他选项。可以指定每个叶节点的最大数据点数量(即桶大小)和距离度量,并设置距离度量参数(Mdl
= KDTreeSearcher (X
,名称,值
)distparameter.
)的财产。例如,kdtreesearcher(x,'距离','minkowski','bucketsize',10)
在搜索最近的邻居并使用时,指定使用Minkowski距离10.
对于桶尺寸。指定distparameter.
,可以使用P
名称-值对的论点。
knnsearch |
查找k使用Searcher对象的最佳邻居 |
rangesearch. |
使用搜索器对象找到指定距离内的所有邻居 |