python实现e2lsh高维数据集k近邻搜索——实现流程

• lsh学习链接：
  LSH(Locality Sensitive Hashing)原理与实现
  对高维数据查询最近邻，推荐使用p-stable LSH；
  minLSH是针对文档查询最近邻得方法；
• python学习与使用：
  python入门之类
• 常用函数：
  random.gauss(mu, sigma)：均值为mu且标准偏差为sigma的高斯分布
  random.uniform(x, y)：将随机生成下一个实数，它在 [x, y] 范围内。
  numpy.inner()：返回一维数组的向量内积。对于更高的维度，它返回最后一个轴上的和的乘积。
  字典(Dictionary) update() ：函数把字典dict2的键/值对更新到dict里。
• lsh参数计算学习链接：
  参考论文：2004 Locality-sensitive hashing using stable distributions
  E2LSH的原理与实现
  LSH在欧式空间的应用(1)–碰撞概率分析
  LSH在欧式空间的应用(2)–工作原理
  LSH在欧式空间的应用(3)–参数选择
  以上三个链接是用R语言举例；
  正态分布就是高斯分布；
• knn搜索
  在使用lsh做近似近邻搜索后，得到近邻索引，通过近邻索引对近邻数据做k近邻检索，得到精确的k个最近邻。
  python做 knn可以调用库函数实现：

from sklearn.neighbors import NearestNeighbors
# 函数功能：对数据集x的前1000个数据做10近邻搜索；
# 搜索范围：数据集x内全体数据；
def knn_search(X):
    # 查询点y:x内前一千个数；
    Y = X[0:1000]
    # 查询范围：x内全体数据；查询11近邻；
    nbs = NearestNeighbors(n_neighbors=11, algorithm='ball_tree').fit(X)
    # distances：最近邻距离；indices：最近邻索引号；
    distances, indices = nbs.kneighbors(Y)
    # knn近邻搜索范围包含自己，返回结果去除自己（即去除查询结果第一列），得到查询点的十近邻；
    return indices[:, 1:]

综上，完成lsh对数据集k近邻查询；
查询结果（对数据集做两遍查询，一次e2lsh,一次knn，对比查询结果）：