了解NearPy，进行快速最近邻搜索

NearPy是一个Python框架，用于使用不同的局部敏感散列方法在高维向量空间中进行快速（近似）最近邻搜索。
你可以使用NearPy去进行试验和评估新的（研究）方法，但也可以直接用于实际应用。NearPy配有一个redis存储适配器。
要安装它，只需执行 pip install NearPy。它还将安装scipy，numpy和redis。
现在支持密集和稀疏（scipy.sparse）向量。
点击此处了解更多信息：http://pixelogik.github.io/NearPy/

(文中向量和矢量是同一个意思，都翻译于vector)

原理

为了找到查询向量的近似最近邻居，首先索引要存储的向量。对于应该被索引（’存储’）的每个向量，生成散列，即字符串值。该散列用作存储向量的后备数据单元的键。在大多数情况下，后备数据单元只是一个系列的向量，后备数据单元是在这种应用下使用的术语。
这样生成的后备数据单元（bucket）的键（即向量散列值）对于查找查询向量的最近邻居没有任何用处。因此，NearPy实现近似最近邻算法的机制的“秘密”是使用所谓的一些局部敏感哈希函数—LSH。这些局部敏感哈希函数考虑了空间性，因此它们倾向于为近似向量生成相同的散列值（后备数据的键）。这使得在给定查询向量的情况下获得接近向量的速度非常快。因为这是一种非常粗略的方法，所以它被称为近似最近邻搜索，因为您可能无法获得真正的最近邻居。在许多应用程序中这是很好的一种折中方式，因为你只想得到20个“足够相等”的向量。

Engine — 发动机

使用NearPy时，您将主要通过配置和使用Engine对象来完成此操作。Engines是可配置的管道，用于使用局部敏感哈希（LSH）进行近似最近邻搜索（ANNS）。