Вырастите четырехмерное Kd-дерево, которое использует 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.

Вырастите четырехмерное Kd-дерево, используя весь набор 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 появляются в Командном окне. Объект содержит информацию о выращенном четырехмерном Kd-дереве, таком как метрика расстояния. Можно изменить значения свойств с помощью записи через точку.

Также можно вырастить Kd-дерево при помощи 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. Потому что X имеет четыре столбца, и метрика расстояния по умолчанию Евклидова, createns создает KDTreeSearcher модель по умолчанию.

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

Загрузите данные радужки Фишера. Особое внимание на размерностях лепестка.

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

Вырастите двумерное Kd-дерево с помощью createns и обучающих данных. Задайте метрику расстояния Минковского.

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

Mdl = 
  KDTreeSearcher with properties:

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

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

Свойства доступа к Mdl при помощи записи через точку. Для примера используйте Mdl.DistParameter для доступа к показателю расстояния Минковского.

Mdl.DistParameter

ans = 2

Можно передать данные запроса и Mdl кому:

Создайте KDTreeSearcher объекта модели и изменения Distance свойство при помощи записи через точку.

Загрузите набор данных радужки Фишера.

load fisheriris
X = meas;

Вырастите четырехмерное Kd-дерево 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 искатель использует метрику Минковского, чтобы вычислить расстояния между данными обучения и запроса.

Mdl.Distance = 'minkowski'

Mdl = 
  KDTreeSearcher with properties:

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

Можно пройти Mdl и данные запроса к любому из knnsearch или rangesearch найти ближайших соседей по точкам в данных запроса на основе расстояния Минковского.

Вырастите объект Kd-дерева, ближайший к соседу, используя createns функция. Передайте объект и запросите данные в knnsearch функция для поиска k-ближайших соседей.

Загрузите набор данных радужки Фишера.

load fisheriris

Удалите 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. Задайте расстояние Минковского для нахождения ближайших соседей.

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

Mdl = 
  KDTreeSearcher with properties:

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

Потому что X имеет четыре столбца, и метрика расстояния Минковский, createns создает KDTreeSearcher объект модели по умолчанию. 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, и порядок столбца соответствует порядку ближайших соседей относительно возрастающего расстояния. Например, на основе расстояния Минковского, второго ближайшего соседа Q(3,:) является X(12,:).