knnsearch 从 Matlab 到 Julia

Question

我正在尝试使用 NearestNeighbors.jl 包在 Julia 中运行最近邻居搜索。相应的Matlab代码是

X = rand(10);
Y = rand(100); 
Z = zeros(size(Y));
Z = knnsearch(X, Y); 

这生成Z，一个长度为100的向量，其中第i个元素是X的索引，其元素最接近Y中的第i个元素，对于所有i=1:100。

确实需要一些帮助才能将上面的 Matlab 代码的最后一行转换为 Julia！

Answer 1

使用：

X = rand(1, 10)
Y = rand(1, 100)
nn(KDTree(X), Y)[1]

如果您想在将来重用中间 KDTree 对象，那么存储它会很有用（因为它将提高查询效率）。

现在我的例子的关键点是什么？ NearestNeighbors.jl 接受以下输入数据：

它可以是：

• 大小为 nd × np 的矩阵，其中包含要插入树中的点，其中 nd 是点的维数，np 是点的数量
• 具有固定维度 nd 的向量组成的向量，它必须是类型的一部分。

我已经使用了第一种方法。要点是观察结果必须在列中（而不是像原始代码中那样在行中）。请记住，在 Julia 中，向量是柱状的，因此 rand(10) 被 NearestNeighbors.jl 视为具有 10 个维度的 1 个观测值，而 rand(1, 10) 是被认为是 10 个观测值，每个观测值具有 1 个维度。

但是，对于您的原始数据，因为您只需要最近邻，并且它是单维且很小，所以足以编写（这里我假设 X 和 Y 是原始数据您存储在向量中的数据）：

[argmin(abs(v - y) for v in X) for y in Y]

无需使用任何额外的包。

NearestNeighbors.jl 对于处理具有大量元素的高维数据非常有效。