python中的K最近邻[关闭]

Question

关闭。 这个问题不符合Stack Overflow 指南。 它目前不接受答案。

---

要求我们推荐或查找工具、库或最喜欢的场外资源的问题对于 Stack Overflow 来说是偏离主题的，因为它们往往会吸引自以为是的答案和垃圾邮件。 相反，请描述问题以及迄今为止为解决该问题所做的工作。

8 年前关闭。

改进这个问题

我想计算 python 中的 K-最近邻。 我应该使用什么图书馆？

Answer 1

我认为你应该使用scikit ann 。

这里有一个关于最近邻居的很好的教程。

根据文档：

ann 是 SWIG 为近似最近邻 (ANN) 库 ( http://www.cs.umd.edu/~mount/ANN/ ) 生成的 python 包装器，由 David M. Mount 和 Sunil Arya 开发。 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

这是一个比较 scipy.spatial.cKDTree 和 pyflann.FLANN 的脚本。 自己看看哪个对您的应用程序来说更快。

import cProfile
import numpy as np
import os
import pyflann
import scipy.spatial

# Config params
dim = 4
data_size = 1000
test_size = 1

# Generate data
np.random.seed(1)
dataset = np.random.rand(data_size, dim)
testset = np.random.rand(test_size, dim)

def test_pyflann_flann(num_reps):
    flann = pyflann.FLANN()
    for rep in range(num_reps):
        params = flann.build_index(dataset, target_precision=0.0, log_level='info')
        result = flann.nn_index(testset, 5, checks=params['checks'])

def test_scipy_spatial_kdtree(num_reps):
    flann = pyflann.FLANN()
    for rep in range(num_reps):
        kdtree = scipy.spatial.cKDTree(dataset, leafsize=10)
        result = kdtree.query(testset, 5)

num_reps = 1000
cProfile.run('test_pyflann_flann(num_reps); test_scipy_spatial_kdtree(num_reps)', 'out.prof')
os.system('runsnake out.prof')

Answer 3

如果你想做一个 kd-tree 方法，它本身就在 scipy 中： http ://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.KDTree.html#scipy.spatial.KDTree

Answer 4

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

（如果您可以说例如“我在 3d 中有 1M 个点，并且想要 1k 个新点的 k=5 个最近邻居”，您可能会得到更好的答案或代码示例。
找到邻居后，你想对他们做什么？）