matlab - knnsearch 从 Matlab 到 Julia

Question

我正在尝试使用 NearestNeighbors.jl 包在 Julia 中运行最近邻搜索。对应的Matlab代码为

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

这会生成一个长度为 100 的向量 Z，其中第 i 个元素是 X 的索引，对于所有 i=1:100，其元素最接近 Y 中的第 i 个元素。

真的需要一些帮助将上面的最后一行 Matlab 代码转换为 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它，存储中间 KDTree 对象会很有用(因为它会提高查询效率)。

现在我的示例的关键点是什么。 NearestNeighbors.jl 接受以下输入数据:

It can either be:

• a matrix of size nd × np with the points to insert in the tree where nd is the dimensionality of the points and np is the number of points
• a vector of vectors with fixed dimensionality, nd, which must be part of the type.

我用的是第一种方法。关键是观察必须在列中(而不是在原始代码中的行中)。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 个观察值，而 rand(1, 10) 是被认为是 10 个观察值，每个观察值有 1 个维度。

但是，对于您的原始数据，因为您只需要一个最近的邻居并且它是一维的并且很小，所以它足以写入(这里我假设 X 和 Y 是您存储在向量中的原始数据):

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

不使用任何额外的包。

NearestNeighbors.jl 对于处理包含很多元素的高维数据非常有效。