SKlearn: KDTree如何根据阈值return最近邻(Python)

Question

我有一个包含 300 张图像的数据库，我为每个图像提取了一个 BOVW。从查询图像开始（query_BOVW 从同一个字典中提取）我需要在我的训练数据集中找到相似的图像。

我在我的训练集 kd_tree = KDTree(training) 上使用了 Sklearn KDTree，然后我用 kd_tree.query(query_vector) 计算了与查询向量的距离。最后一个函数将 return 的最近邻居数作为第二个参数，但我寻求的是为欧几里得距离设置一个阈值，并基于此阈值有不同数量的最近邻居。

我查看了文档，但没有找到任何相关信息。我在寻找可能毫无意义的东西是不是错了？

感谢您的帮助。

Answer 1

从documentation开始，您可以使用方法query_radius:

查询给定半径内的邻居：

import numpy as np
np.random.seed(0)
X = np.random.random((10, 3))  # 10 points in 3 dimensions
tree = KDTree(X, leaf_size=2)     
print(tree.query_radius(X[0], r=0.3, count_only=True))
ind = tree.query_radius(X[0], r=0.3) # indices of neighbors within distance 0.3

这适用于 sklearn 版本 19.1

Answer 2

你想在这里使用query_radius。

query_radius(self, X, r, count_only = False):

query the tree for neighbors within a radius r

...

就是上面的例子link:

import numpy as np
np.random.seed(0)
X = np.random.random((10, 3))  # 10 points in 3 dimensions
tree = BinaryTree(X, leaf_size=2)     
print(tree.query_radius(X[0], r=0.3, count_only=True))

ind = tree.query_radius(X[0], r=0.3)  
print(ind)  # indices of neighbors within distance 0.3

SKlearn: KDTree如何根据阈值return最近邻(Python)

SKlearn: KDTree how to return nearest neighbour based on threshold (Python)

python

tree

threshold

scikit-learn