scala - Uber 的 Spark LSH 中的 numHashTable 使用什么值？

Question

我正在尝试使用.approxSimilarityJoinSpark MLlib LSH: MinHash for Jaccard Distance例如

val mh = new MinHashLSH()
    .setNumHashTables(5)
    .setInputCol("features")
    .setOutputCol("hashes")

我知道 numHashTables 越高，系统越准确，计算越复杂/越慢。我有两个关于参数的问题：

• numHashTables 和 MinHash 指纹大小有什么关系？
• 如何正确设置值？

注意：我相信该算法已被 Uber 添加到 MLlib：https ://eng.uber.com/lsh/