KDTreeSearcher
创建Kd-tree最近邻搜索
描述
KDTreeSearcher
模型对象存储的结果最近邻搜索使用Kd-tree算法。结果包括训练数据,距离度量及其参数,最大数量的数据点在每个叶节点(也就是说,桶的大小)。的Kd-tree算法分区一个n——- - - - - -K数据集由递归分割n点K维空间分成一棵二叉树。
一旦你创建一个KDTreeSearcher
模型对象,你可以找到所有邻近点搜索存储树查询数据通过执行一个最近邻搜索使用knnsearch
或者一个半径搜索使用rangesearch
。的Kd-tree算法更有效的比穷举搜索算法K小(即K≤10),培训和查询集不稀疏,训练和查询集有很多观察。
创建
使用createns
函数或KDTreeSearcher
(这里描述)来创建一个函数KDTreeSearcher
模型对象。除了两个函数使用相同的语法createns
函数有“NSMethod”
名称-值对参数,您可以用它来选择最近邻搜索方法。的createns
函数还创建了一个ExhaustiveSearcher
对象。指定“NSMethod”、“kdtree”
创建一个KDTreeSearcher
对象。默认值是“kdtree”
如果K训练数据不稀疏≤10日,和欧氏距离度量,街区,Chebychev或闵可夫斯基。
语法
Mdl = KDTreeSearcher (X)
Mdl = KDTreeSearcher (X、名称、值)
描述
使用一个或多个指定附加选项名称-值对参数。您可以指定的最大数量的数据点在每个叶节点(也就是说,桶的大小)和距离度量,并设置距离度量参数(Mdl
= KDTreeSearcher (X
,名称,值
)DistParameter
)的财产。例如,KDTreeSearcher (X,‘距离’,‘闵可夫斯基’,‘BucketSize’, 10)
当搜索指定使用闵可夫斯基距离最近的邻居和使用10
桶的大小。指定DistParameter
,可以使用P
名称-值对的论点。
输入参数
属性
对象的功能
knnsearch |
找到再邻居使用对象 |
rangesearch |
找到所有的邻居指定距离内使用对象 |