SKlearn：KDTree如何根据阈值返回最近邻（Python）答案

【问题标题】：SKlearn: KDTree how to return nearest neighbour based on threshold (Python)SKlearn：KDTree如何根据阈值返回最近邻（Python）
【发布时间】：2018-09-13 23:09:28
【问题描述】：

我有一个包含 300 个图像的数据库，我为每个图像提取了一个 BOVW。从查询图像（从同一字典中提取 query_BOVW）开始，我需要在我的训练数据集中找到相似的图像。

我在我的训练集kd_tree = KDTree(training) 上使用了 Sklearn KDTree，然后我用kd_tree.query(query_vector) 计算了与查询向量的距离。最后一个函数将要返回的最近邻居的数量作为第二个参数，但我寻求的是为欧几里得距离设置阈值，并基于此阈值有不同数量的最近邻居。

我查看了文档，但没有找到任何相关信息。我是否错误地寻找可能没有意义的东西？

感谢您的帮助。

【问题讨论】：

标签： python tree scikit-learn threshold

【解决方案1】：

从documentation，可以使用query_radius的方法：

查询给定半径内的邻居：

import numpy as np
np.random.seed(0)
X = np.random.random((10, 3))  # 10 points in 3 dimensions
tree = KDTree(X, leaf_size=2)     
print(tree.query_radius(X[0], r=0.3, count_only=True))
ind = tree.query_radius(X[0], r=0.3) # indices of neighbors within distance 0.3

这适用于 sklearn 19.1 版

【讨论】：

【解决方案2】：

你想在这里使用query_radius。

query_radius(self, X, r, count_only = False)：

在树中查询半径 r 内的邻居

...

只是上面链接中的示例：

import numpy as np
np.random.seed(0)
X = np.random.random((10, 3))  # 10 points in 3 dimensions
tree = BinaryTree(X, leaf_size=2)     
print(tree.query_radius(X[0], r=0.3, count_only=True))

ind = tree.query_radius(X[0], r=0.3)  
print(ind)  # indices of neighbors within distance 0.3

【讨论】：