机器学习笔记 近似相似性搜索/近似最近邻算法(ANN)

近似相似性搜索/近似最近邻算法(ANN)"/>

机器学习笔记 近似相似性搜索/近似最近邻算法(ANN)

1、ANN算法（approximate nearest neighbor）

最近邻算法通常会牺牲完美的精度来提高速度。这些近似最近邻 （ANN） 算法可能并不总是返回真正的 k 个最近向量。但它们运行高效，可扩展到大型数据集，同时保持良好的性能。

这种算法的优势在于，在许多情况下，近似的最近邻几乎与确切的近邻效果一样好。如果距离测量准确地捕捉了用户的需求，那么距离的微小差异应该无关紧要。

KNN 和 ANN 之间的区别在于，在预测阶段，所有训练点都参与搜索 KNN 算法中的 k 最近邻，但在 ANN 中，此搜索仅从一小部分候选点开始。

近似最近邻搜索 （ANNS） 是数据库、机器学习、多媒体和计算机视觉等许多领域应用中的基本且必不可少的操作。

可以将ANN算法分为三个不同的类别;树、哈希和图形。

这里进行一些快速了解，还有更多的近似最近邻算法，见下面参考资料。

2、HNSW