来自 LSHForest 的示例，结果不令人信服

Question

库和相应的文档如下 - 是的，我阅读了所有内容并能够 "run" 我自己的代码。

http://scikit-learn.org/stable/modules/generated/sklearn.neighbors.LSHForest.html

但结果对我来说并没有真正意义，所以我通过了示例（也包含在以前的网页中）

    >>> from sklearn.neighbors import LSHForest
    >>> X_train = [[5, 5, 2], [21, 5, 5], [1, 1, 1], [8, 9, 1], [6, 10, 2]]
    >>> X_test = [[9, 1, 6], [3, 1, 10], [7, 10, 3]]
    >>> lshf = LSHForest()
    >>> lshf.fit(X_train)  
    LSHForest(min_hash_match=4, n_candidates=50, n_estimators=10,
              n_neighbors=5, radius=1.0, radius_cutoff_ratio=0.9,
              random_state=None)
    >>> distances, indices = lshf.kneighbors(X_test, n_neighbors=2)
    >>> distances                                        
        array([[ 0.069...,  0.149...],
               [ 0.229...,  0.481...],
               [ 0.004...,  0.014...]])
    >>> indices
        array([[1, 2],
               [2, 0],
               [4, 0]])

所以我只是尝试通过为三个测试集 [9, 1, 6], [3, 1, 10], [7, 10, 3][=13] 找到最近的邻居来验证示例=]

假设搜索 [9,1,6] 最近的邻居（通过使用欧氏距离），最近的训练点是 [5, 5, 2] 和 [6, 10, 2] （我认为索引would [0.4]) -- 这与结果 [1,2]

有很大不同

距离也完全跑题了，我的excelsheet是attached

再次感谢您的宝贵时间和帮助

Answer 1

没错，因为 LSHForest 实现了 ANN（近似近邻），也许这就是我们需要考虑的差异。 ANN 结果不是最近的邻居，而是最近邻居应该是什么的近似值。

例如，2 个最近邻结果如下所示：

from sklearn.neighbors import NearestNeighbors

X_train = [[5, 5, 2], [21, 5, 5], [1, 1, 1], [8, 9, 1], [6, 10, 2]]
X_test = [[9, 1, 6], [3, 1, 10], [7, 10, 3]]

nbrs = NearestNeighbors(n_neighbors=2, algorithm='ball_tree').fit(X_train)
distances, indices = nbrs.kneighbors(X_test)

和returns

indices
Out[2]: 
array([[0, 2],
       [0, 2],
       [4, 3]], dtype=int64)

distances
Out[3]: 
array([[ 6.92820323,  9.43398113],
       [ 9.16515139,  9.21954446],
       [ 1.41421356,  2.44948974]])

如果有帮助，请查看 this 并注意它提到：

given a query point q, if there exists a point within distance r from q, then it reports a point within distance cr from q. Here c is the approximation factor of the algorithm.

距离 'r' 处的点和返回的点不必相同。

希望这对您有所帮助。

来自 LSHForest 的示例，结果不令人信服

example from LSHForest, results not convinced

nearest-neighbor

locality-sensitive-hash