Որ գրադարանները օգտագործել մոտակա հարևանների որոնման համար?

Մեքենայական ուսուցման և տվյալների վերլուծության խնդիրներում հաճախ օգտագործվում են հետևյալ գրադարաններն ու գործիքները՝

• scikit-learn (Python) — պարունակում է k-Nearest Neighbors (k-NN) ալգորիթմի իրագործում, հարմար է դասակարգման և ռեգրեսիայի համար:
• Faiss (Facebook AI Similarity Search) — C++-ում գրված գրադարան Python-ով, օպտիմիզացված մեծ տվյալների հավաքածուներում արագ հարևանների որոնման համար:
• Annoy (Approximate Nearest Neighbors Oh Yeah) — Spotify-ի կողմից ստեղծված գրադարան արագ մոտավոր հարևանների որոնման համար, լավ է առաջարկությունների համար:
• HNSWlib — արդյունավետ գրադարան փոքր աշխարհների գրաֆների օգտագործմամբ հարևանների որոնման համար:
• FLANN (Fast Library for Approximate Nearest Neighbors) — C++-ում գրված գրադարան արագ մոտավոր որոնման համար:

ընտրությունը կախված է խնդրից:

• Փոքր և միջին տվյալների հավաքածուների համար հարմար է scikit-learn-ը:
• Շատ մեծ տվյալների և բարձր կատարողական համակարգերի համար՝ Faiss կամ HNSWlib:

Օրինակ՝ scikit-learn-ի օգտագործմամբ հարևանների արագ որոնում:

from sklearn.neighbors import NearestNeighbors
import numpy as np

X = np.array([[0, 0], [1, 1], [2, 2], [3, 3]])
neigh = NearestNeighbors(n_neighbors=2)
neigh.fit(X)

# Որոնել 2 ամենամոտ հարևան [1.5, 1.5] կետին
distances, indices = neigh.kneighbors([[1.5, 1.5]])
print(indices)  # հարևանների ինդեքսները
print(distances)  # հարևանների հեռավորությունները