问题标签 [knn]

对于scikit-learn 的 KNN 包，可以指定sklearn.metrics.pairwise不是 p 范数或 Minkowski 距离的成对距离度量（来自包）吗？例如，我可以使用RBF 内核吗？甚至是余弦距离？

我正在寻找一种可以在大型集合中搜索相似图像的算法。我目前在 OpenCL 中使用 SURF实现。

起初，我使用KNN搜索算法将每个图像的兴趣点与集合的其余部分进行比较，但测试表明它不能很好地扩展。我还尝试了KNN-Join的 Hadoop 实现，它确实在 HDFS 中占用了大量临时空间，与输入数据量相比太多了。事实上，由于我的输入向量的维度（64），成对距离方法并不合适。

我听说过Locally Sensitive Hashing，想知道是否有任何免费的实现，或者是否值得实现它，也许还有另一种我不知道的算法？

我正在研究对多维向量的快速 NN 搜索。（就像在提取和计算了特征向量之后搜索相似的图像）

我目前正在使用ORB，它用一些字符串来描述它的关键点。
要比较 2 个描述符 ORB 需要汉明距离。

我已经阅读过 LSH 根据欧几里德距离 (L2) 或 Manathann 距离 (L1) 计算其哈希表。这是否意味着 LSHisn't是需要汉明距离的向量比较的选项？

编辑

LSH 可以处理汉明距离，因为它根据初始位字符串上的子字符串制作哈希表，这就是它起作用的原因

我有 7 个需要分类的类，我有 10 个特征。在这种情况下，我是否需要使用 k 的最佳值，或者我是否必须针对 1 到 10（大约 10）之间的 k 值运行 KNN 并在算法本身的帮助下确定最佳值？

可能重复：
错误：在 R 中找不到函数...

我正在尝试在 R 中使用 knn 函数，并且已经安装了几个包来这样做（例如 KNN、KNNgarden、iped）。

使用 R-Studio，它遇到了成功安装包（包 'kknn' 成功解包并检查了 MD5 总和），但是当我尝试使用 kknn (kknn(train, test, cl, k = 1, l = 0, prob = TRUE, use.all = TRUE)) 我收到以下错误：错误：找不到函数“kknn”

我假设这与我的工作目录有关。我检查并将我的 WD 重置为 R 中包含软件包的文件夹，但要知道是否有用。我究竟做错了什么？

我有两个关于在 Stata 中执行 discrim knn 的问题。

1）您如何正确编码命令？我尝试了各种版本，但似乎总是得到一个错误，即指定的变量太多。

• 结果正确的向量是buy。
• 我在尝试：discrim knn buy, group(train test) k(1)

2）我对 KNN 的理解是因子变量（二进制）对于使用 KNN 来说是很好的，甚至受到鼓励。但是，我收到不允许使用因子变量和时间序列运算符的错误消息。

最后，虽然我知道这不是这个问题的最佳空间，但每个向量是否应该针对 knn 进行归一化？我听到了相互矛盾的回应。

我正在使用 ROCR 包，我想知道如何在 R 中为 knn 模型绘制 ROC 曲线？有没有办法用这个包把它全部绘制出来？

我不知道如何使用ROCR的预测功能进行knn。这是我的示例，我正在使用来自 UCI 存储库的 isolet 数据集，其中我将类属性重命名为 y：

现在我的问题是，传递给 ROC 预测函数的参数是什么。我尝试了以下两种不起作用的替代方法：

我为 R 找到了关于“k Nearest Neighbor Regression”的包。我尝试了这个例子（见下文），但我想做的是保存创建的回归模型（pac.knn）。如何保存或提取模型并将其应用到 R 之外？

我有很多功能，如下所示：

我正在尝试计算每个特征的 k 最近邻，对于k=5. 我正在使用 numpy 和 scipy 包，但是，由于数据集很大（1000 x 1000），它的计算似乎很复杂。有没有更简单的方法来使用 python 计算 kNN？

据我所知，knn 找到所有样本的最小距离。这意味着它是最近的样本。但是如果我想要我的新数据与所有样本的距离怎么办？例如，如何获得与我的新数据最近的 3 或 4 个样本？谢谢