Вырастите четырехмерное Kd-дерево, использующее евклидово расстояние.

Загрузите набор данных радужки Фишера.

load fisheriris
X = meas;
[n,k] = size(X)

n = 150

k = 4

X имеет 150 наблюдений и 4 предиктора.

Создание четырехмерного Kd-дерева с использованием всего набора данных в качестве обучающих данных.

Mdl1 = KDTreeSearcher(X)

Mdl1 = 
  KDTreeSearcher with properties:

       BucketSize: 50
         Distance: 'euclidean'
    DistParameter: []
                X: [150x4 double]

Mdl1 является KDTreeSearcher объект модели и его свойства отображаются в окне команд. Объект содержит информацию о выращенном четырехмерном Kd-дереве, например метрику расстояния. Можно изменить значения свойств с помощью точечной нотации.

Можно также вырастить Kd-дерево с помощью createns.

Mdl2 = createns(X)

Mdl2 = 
  KDTreeSearcher with properties:

       BucketSize: 50
         Distance: 'euclidean'
    DistParameter: []
                X: [150x4 double]

Mdl2 также является KDTreeSearcher объект модели, и он эквивалентен Mdl1. Поскольку X имеет четыре столбца, а метрика расстояния по умолчанию - евклидова, createns создает KDTreeSearcher модель по умолчанию.

Чтобы найти ближайших соседей в X в пакет данных запроса, передайте KDTreeSearcher объект модели и данные запроса в knnsearch или rangesearch.

Загрузите данные радужки Фишера. Сосредоточьтесь на размерах лепестков.

load fisheriris
X = meas(:,[3 4]); % Predictors

Создание двумерного Kd-дерева с помощью createns и данные об обучении. Укажите метрику расстояния Минковского.

Mdl = createns(X,'Distance','Minkowski')

Mdl = 
  KDTreeSearcher with properties:

       BucketSize: 50
         Distance: 'minkowski'
    DistParameter: 2
                X: [150x2 double]

Поскольку X имеет два столбца и метрика расстояния - Минковский, createns создает KDTreeSearcher по умолчанию - объект модели.

Свойства доступа Mdl используя точечную нотацию. Например, использовать Mdl.DistParameter для доступа к показателю расстояния Минковского.

Mdl.DistParameter

ans = 2

Можно передать данные запроса и Mdl кому:

Создать KDTreeSearcher объект модели и изменить Distance с помощью точечной нотации.

Загрузите набор данных радужки Фишера.

load fisheriris
X = meas;

Создайте четырехмерное дерево Kd по умолчанию, используя весь набор данных в качестве обучающих данных.

Mdl = KDTreeSearcher(X)

Mdl = 
  KDTreeSearcher with properties:

       BucketSize: 50
         Distance: 'euclidean'
    DistParameter: []
                X: [150x4 double]

Укажите, что соседний поисковик использует метрику Минковского для вычисления расстояний между данными обучения и запроса.

Mdl.Distance = 'minkowski'

Mdl = 
  KDTreeSearcher with properties:

       BucketSize: 50
         Distance: 'minkowski'
    DistParameter: 2
                X: [150x4 double]

Вы можете пройти Mdl и данные запроса в knnsearch или rangesearch поиск ближайших соседей к точкам в данных запроса на основе расстояния Минковского.

Вырастите Kd-дерево ближайшего соседнего объекта поиска с помощью createns функция. Передача объекта и данных запроса в knnsearch функция для поиска k-ближайших соседей.

Загрузите набор данных радужки Фишера.

load fisheriris

Удалить пять ирисов случайным образом из данных предиктора для использования в качестве набора запросов.

rng(1);                     % For reproducibility
n = size(meas,1);           % Sample size
qIdx = randsample(n,5);     % Indices of query data
tIdx = ~ismember(1:n,qIdx); % Indices of training data
Q = meas(qIdx,:);
X = meas(tIdx,:);

Вырастите четырехмерное Kd-дерево с помощью обучающих данных. Укажите расстояние Минковского для поиска ближайших соседей.

Mdl = createns(X,'Distance','minkowski')

Mdl = 
  KDTreeSearcher with properties:

       BucketSize: 50
         Distance: 'minkowski'
    DistParameter: 2
                X: [145x4 double]

Поскольку X имеет четыре столбца и метрика расстояния - Минковский, createns создает KDTreeSearcher по умолчанию - объект модели. Показатель расстояния Минковского - 2 по умолчанию.

Найдите индексы обучающих данных (Mdl.X), которые являются двумя ближайшими соседями каждой точки в данных запроса (Q).

IdxNN = knnsearch(Mdl,Q,'K',2)

IdxNN = 5×2

    17     4
     6     2
     1    12
    89    66
   124   100

Каждая строка IdxNN соответствует наблюдению данных запроса, а порядок столбцов соответствует порядку ближайших соседей относительно восходящего расстояния. Например, исходя из расстояния Минковского, второго ближайшего соседа Q(3,:) является X(12,:).