创建KD树最近的邻居搜索者
kdtreesearcher.
模型对象将最近邻搜索的结果存储使用KD树算法。结果包括培训数据,距离度量及其参数,以及每个叶节点(即桶大小)中的最大数据点数。的KD-Tree算法分区n-经过-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很小(也就是说,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.
功能(这里描述)创建一个kdtreesearcher.
模型对象。两种函数都使用相同的语法,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
函数还创建令人疲惫的
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。
knnsearch |
找k- 使用searcher对象的最邻居 |
rangesearch. |
使用搜索器对象找到指定距离内的所有邻居 |