Question

感谢那些已经回答了我之前的问题并让我走到这一步的人。

我有一个约25,000个向量的表，每个向量有48个维度，值范围为0-255。

我正在尝试开发一种局部敏感哈希（http://en.wikipedia.org/wiki/Locality-sensitive_hashing）算法，用于查找近邻或最近邻点。

我目前的LSH功能是：

def lsh(vector, r = 1.0, a = None, b = None):
    if not a:
        a = [normalvariate(10, 4) for i in range(48)]
    if not b:
        b = uniform(0, r)
    hashVal = floor((sum([a[i]*vector[i] for i in range(48)]) + b)/r)
    return int(hashVal)

我现在的问题是：

A：我的代码的“normalvariate（10,4）”部分是否有最佳值？这是使用random.normalvariate（http://docs.python.org/library/random.html#random.normalvariate）函数构建的pythons，我用它来生成“d维向量，其中条目独立于稳定分布选择”。从我的实验来看，价值似乎并不重要。

B：在维基百科文章的顶部，它指出：

如果d（p，q）＆lt; = R，则h（p）= h（q），概率至少为P1

如果d（p，q）> = cR，那么h（p）= h（q）概率最多为P2

此处提到的R值是否也是稳定分布部分中提到的R值。（http://en.wikipedia.org/wiki/Locality-sensitive_hashing#Stable_distributions）

C：与我之前的问题（B）相关。我发现在我的哈希函数中使用更高的R值将我的向量映射到更小范围的哈希值。有没有办法优化我的R值。

D：大约可以使用多少个表？

Answer 1

对那些感兴趣的人。我找到了这个文档（http://web.mit.edu/andoni/www/papers/cSquared.pdf，它有一个非常详细的，尽管很复杂的解释，说明如何将LSH用于高维空间。

Answer 2

您可能需要查看“MetaOptimize” - 例如用于机器学习的Stack Overflow http://metaoptimize.com/qa

您的问题实际上不是一个python或编程问题，该社区可能会提供更多帮助。

局部敏感哈希 - 找出R的概率和值

2 个答案: