我想使用 KNN 創建一個訓練模型（我也會使用其他 ML 模型），但我只是想知道......
我有大約 6 個功能，總共有 60.000（6 萬）個參考點（因此，每個功能我有大約 10.000 個參考點）。
我知道從計算的角度來看，這并不理想（對于像 KNN 這樣的演算法），所以我應該使用例如 KD-Trees（或者 KNN 對于這個數量的特征/參考點是否可以）？因為..如果我必須計算我的測驗點和所有參考點之間的距離（例如歐幾里得距離，對于多維模型）......我可以想象這將需要相當長的時間...... ?
我知道其他（監督）ML 演算法可能更有效，但 KNN 只是我將使用的演算法之一。
uj5u.com熱心網友回復：
（樸素）KNN 的時間復雜度將是在您的情況O(kdn)下d為 6 的維度，在您的情況下n是點數，即 60,000。
n同時，從點構建 KD 樹是O(dnlogn)，隨后的最近鄰查找需要O(klogn)時間。這肯定要好得多：您預先犧牲了一點時間來構建 KD 樹，但是以后每次 KNN 查找要快得多。
這一切都假設您的積分以“良好”的方式分布（有關更多詳細資訊，請參見：https ://en.wikipedia.org/wiki/K-d_tree#Degradation_in_performance_when_the_query_point_is_far_from_points_in_the_k-d_tree ）。如果它們沒有以“好”的方式分布，那么 KNN 通常可能不是要走的路。
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/531545.html
上一篇：Java組合異步編程（2）