nearest-neighbor - 最近邻 - 局部敏感散列的缺点

Question

对 KNN 而言，局部敏感散列似乎是一种很棒的技术，没有任何缺点。但是，如果有人在工业中将局部敏感散列用于实际应用，那么它的缺点是什么？LSH在什么情况下会失败或表现不佳？还是编码/调整需要很长时间？

Answer 1

这是一个相当广泛的问题，但是由于您是新来的，我将尝试回答。

LSH 并不像你描述的那么完美，当然，请搜索有关它的论文。也许这个问题会有所帮助：如何理解局部敏感哈希？

有许多提供自动参数配置的 LSH 库，但不是最重要的R库，用于解决 R 近邻的随机版本。这是一个主要缺点，因为用户必须在每次输入时手动识别R。在我看来，在实际应用中，这是您必须考虑的一个非常重要的方面。

关于性能，这完全取决于您的输入！例如，在我的kd-GeRaF项目中，我对 LSH 进行了彻底的测试，我发现它在准确性和搜索速度方面可能存在一些重要问题。执行 ANNS 的高维空间中的数据集范围。