使用 R 仅查找一个点（不是整个矩阵）的 k 最近邻答案

【问题标题】：Finding k-nearest neighbor for only one point (not an entire matrix) using R使用 R 仅查找一个点（不是整个矩阵）的 k 最近邻
【发布时间】：2012-12-11 02:26:45
【问题描述】：

是否有使用 R 为一个点搜索 k-最近邻（特别是 kd 树）的软件包或简单方法？所有提供此功能的包（例如 RANN 或 FNN...）计算矩阵中所有点的 knn，我只需要为一个点计算。

例如，我有一个包含 10 个点“A”到“E”的矩阵，我想为“A”找到其他 4 个点（“B”到“E”）之间的 2 个最近邻点，而不做同样的事情计算数据集中所有行（不计算“B”、“C”、“D”、“E”的knn）

我希望我的问题很清楚，我的英语不好。

感谢您的帮助，

【问题讨论】：

标签： r knn

【解决方案1】：

如果我理解正确，您可以使用 FNN 包来执行此操作：

> library(FNN)
> X <- matrix(runif(100), 5, 5)
> X
          [,1]      [,2]      [,3]      [,4]      [,5]
[1,] 0.7475301 0.6725876 0.2511358 0.5048512 0.1196027
[2,] 0.5777907 0.6337206 0.8334608 0.5067914 0.6410024
[3,] 0.5488786 0.9613076 0.2217271 0.6906149 0.7396482
[4,] 0.8230380 0.8596784 0.6348114 0.6211107 0.3089131
[5,] 0.6531433 0.8682462 0.2555402 0.2443061 0.5292509
> knnx.dist(X[-1,], X[1, , drop=FALSE], k=2)
          [,1]     [,2]
[1,] 0.4870996 0.531889
> knnx.index(X[-1,], X[1, , drop=FALSE], k=2)
     [,1] [,2]
[1,]    3    4

请注意，knnx.index 的结果与传递给函数的矩阵相关，因此 3 和 4 实际上表示第 4 行和第 5 行是原始数据集。

【讨论】：

knnx.dist() 的结果是什么意思？这些数字 0.4870996 和 0.531889 是怎么来的？这个函数是计算“k Nearest Neighbor Distances”，这些值是指点4和点1、点5和点1之间的距离吗？
我的意思是为什么它与原点距离矩阵中的值不同？