Question

我想在python中计算K最近邻居。我应该使用哪个图书馆？

Answer 1

我认为你应该使用scikit ann。

有一个关于最近的邻居here的好教程。

根据文件：

ann是由David M. Mount和Sunil Arya开发的近似最近邻（ANN）库（http://www.cs.umd.edu/~mount/ANN/）的SWIG生成的python包装器。 ann提供了一个不可变的kdtree实现（通过ANN），它可以执行k-最近邻和近似k

Answer 2

我写了一个脚本来比较FLANN和scipy.spatial.cKDTree，无法编译ANN包装器。您可以自己尝试一下，看看哪些适用于您的应用程序。对于我的FLANN测试用例，cKDTree的运行时间相当，FLANN的速度提高了约1.25倍。当我增加testSize时，FLANN比cKDTree快2倍。看起来像FLANN将根据项目更难集成，因为它不是标准python包的一部分。

import cProfile
from numpy import random
from pyflann import *
from scipy import spatial

# Config params
dim = 4
knn = 5
dataSize = 1000
testSize = 1

# Generate data
random.seed(1)
dataset = random.rand(dataSize, dim)
testset = random.rand(testSize, dim)

def test1(numIter=1000):
    '''Test tree build time.'''
    flann = FLANN()
    for k in range(numIter):
        kdtree = spatial.cKDTree(dataset, leafsize=10)
        params = flann.build_index(dataset, target_precision=0.0, log_level = 'info')

def test2(numIter=100):
    kdtree = spatial.cKDTree(dataset, leafsize=10)
    flann = FLANN()
    params = flann.build_index(dataset, target_precision=0.0, log_level = 'info')
    for k in range(numIter):
        result1 = kdtree.query(testset, 5)
        result2 = flann.nn_index(testset, 5, checks=params['checks'])

import cProfile
cProfile.run('test2()', 'out.prof')

Answer 3

scipy.spatial.cKDTree 快速而坚实。有关将其用于NN插值的示例，请参阅（ahem） inverse-distance-weighted-idw-interpolation-with-python关于SO。

（如果你可以说例如“我在3d中有1M点，并且想要k = 5个最近邻居的1k个新点”，你可能会得到更好的答案或代码示例一旦找到邻居，你想和邻居做些什么？）

Answer 4

如果你想要采用kd-tree方法，它本身就是scipy：http://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.KDTree.html#scipy.spatial.KDTree

K最近的邻居在python中

4 个答案: