本文介绍一种用于高维空间中的快速最近邻和近似最近邻查找技术——Kd- Tree（Kd树）。Kd-Tree，即K-dimensional tree，是一种高维索引树形数据结构，常用于在大规模的高维数据空间进行最近邻查找(Nearest Neighbor)和近似最近邻查找(Approximate Nearest Neighbor)，例如图像检索和识别中的高维图像特征向量的K近邻查找与匹配。本文首先介绍
转载
2024-04-24 18:53:30
61阅读
Python中dict和set实现原理Jolly • 2017 年 11 月 05 日python的dict和set设计上是很巧妙的，底层是用c语言编写，哈希表实现，这样确保了高效的数据处理。1、dict的性能远高于list2、list的查询消耗随着查询数量的增大而增大3、dict的查询消耗并不会随着查询数量的增大而增大dict内部实现是根据哈西表来实现的：1、当申明dict变量的时候，就会在内存
转载
2023-08-21 15:10:56
67阅读
# 如何实现“Python 底层源码”
在学习Python底层源码的过程中，您将会发现许多Python的核心功能都是由一些底层结构和算法实现的。对于初学者而言，从理解整个流程开始会是一个有效的起点。本文的目标是引导您通过几个步骤，了解如何研究和实现Python的底层源码，并帮助您上手实际的实现。
## 整体流程
以下是实现“Python底层源码”的基本流程：
| 步骤 | 描述
原创
2024-09-16 04:31:35
55阅读
# 深入理解 Python 中的 KDTree 函数
KDTree（K-Dimensional Tree）是一种用于存储 K 维空间数据的有效数据结构，特别适合进行多维数据搜索，如最近邻搜索（Nearest Neighbor Search）。在 Python 中，我们可以使用 `scipy.spatial` 模块中的 `KDTree` 类来构建和查询 KDTree。本篇文章将介绍 KDTree
k近邻法(k-nearest neighbor,k-NN)是一种基本分类与回归方法。k近邻法假设给定一个训练数据集，其中的实例类别已定。分类时，对新的实例，根据其k个最近邻的训练实例的类别，通过多数表决等方式进行预测。因此，k邻近法不具有显式的学习过程。k近邻法实际上利用训练数据集对特征空间进行划分，并作为其分类的“模型”。k值的选择，距离度量及分类决策规则是k近邻法的三个基本要素。下图是k近邻法
效果说明：Input：输入Num个Dim维点的坐标，Points.size=(Num,Dim)，输入一个目标点坐标Target、查找最近邻点数量K。Output: 求出距离Target最近的K个点的索引和距离。（具体坐标可由索引和Points列表获取）环境要求： Python 3 with numpy and matplotlib当Dim=2、Num=30、K=4时，绘制图如下：输出： candi
转载
2023-08-22 12:34:02
243阅读
# Python 版本 KDTree
## 引言
在计算机科学中，特别是在机器学习和计算几何领域，KDTree（k维树）是一种非常重要的数据结构。它是一种基于空间划分的树形结构，用于组织在k维空间中分布的点。KDTree 可以有效地进行邻近搜索、范围搜索等操作，非常适合处理高维数据。本文将讲解 KDTree 的基本概念、使用方法，结合 Python 代码示例随机点集的构建与查询，并配合可视化的
用途：绘制股票kline图
说明：
绘制基本的股票kline图及相关指标图如ma移动平均线等，绘制其他指标只需传入相关数据及线的颜色即可。
绘制鼠标移动显示交易时间及open,high,low,close
有两个版本的实现，一个是数据是list(tuple),一个是数据是pd.DataFrame,前一个版本的速度优于后者，故建议使用前者。（版本1较完善，版本2不够完善）
测试1：基本的类测试
测试
转载
2023-11-02 21:37:58
7阅读
from scipy import spatialimport numpy as npX = np.random.random([128,300])tree = spatial.KDTree(data=X)pts = X[0]print(
原创
2022-07-19 11:50:15
61阅读
Rust是Mozilla开发的注重性能和内存安全的语言，它的设计目的是逐渐取代C/C ++，但这个过程还需要一段时间。值得肯定的是，Rust在现有阶段可以取代传统上部分C语言库。用于统计和机器学习的Python系统中的大部分内容都是用C语言编写而成的，所以模块被重写的可能性非常大。虽然Rust是编译型语言，Python是解释型语言，但是由于两者的ABI(应用程序二进制接口)在设计上存在相似性，Ru
转载
2023-09-06 14:25:35
62阅读
1、先说一下源码解析的过程：JDK-->JRE-->JVM（以openJDK代替）注意：这里要了解jdk和jre和jvm他们分别是什么？以及他们的关系才可以继续。这里先上一章从网上下载的关系图方便理解2、笔者本地的jdk是oraclejdk，jvm所在位置就是安装的jdk。jdk下jre下bin下server下的jvm.dll。也就是F:\Java\jdk\jdk1.7.0_60\jr
转载
2023-07-20 23:44:05
196阅读
K:K维 D:dimension 维度 网上没找到KDtree在OI和c++方面的详解(可能大佬们都觉得这玩意太简单懒得写？)，累死个人.jpg KDTree相当于多维的线段树 ##算法流程 我们要构建一颗二叉树。 信息有多维的时候，每往下一层就换一维进行统计。 第一层：先竖着切过(7,2) 第二层 ...
转载
2021-07-18 18:26:00
78阅读
在金融领域中，我们的y值和预测得到的违约概率刚好是两个分布未知的两个分布。好的信用风控模型一般从准确性、稳定性和可解释性来评估模型。一般来说。好人样本的分布同坏人样本的分布应该是有很大不同的，KS正好是有效性指标中的区分能力指标：KS用于模型风险区分能力进行评估，KS指标衡量的是好坏样本累计分布之间的差值。好坏样本累计差异越大，KS指标越大，那么模型的风险区分能力越强。1、crosstab实现，计
在计算机图形学和空间数据处理中，精确地计算轴对齐边界框（OBB）的相交情况通常是一项挑战，尤其当数据量庞大时。通过引入KD-Tree这一数据结构，不仅能够加速查询过程，还能有效地解决OBB相交问题。本文将详细探讨“Python KDTree计算OBB相交”的过程，包括整个实现过程中遇到的技术挑战和架构演进。
### 初始技术痛点
我们的项目需要处理大量的三维模型，并进行空间查询和碰撞检测，这是
前两天学习了knn算法，knn的思想很简单，不过其中提出的kd树有理解的必要。故就用python写了一个kd树代码。 个人感想是，把kd树算法实现一遍比看书看半天有用多了，而且还不会犯困（bushi 思路来自https://www.joinquant.com/view/community/detail/dd60bd4e89761b916fe36dc4d14bb272 讲的很好，不过有一个小漏洞，编
转载
2023-10-08 01:20:57
230阅读
1. 原理篇我们用大白话讲讲KD-Tree是怎么一回事。1.1 线性查找假设数组A为[0, 6, 3, 8, 7, 4, 11]，有一个元素x，我们要找到数组A中距离x最近的元素，应该如何实现呢？比较直接的想法是用数组A中的每一个元素与x作差，差的绝对值最小的那个元素就是我们要找的元素。假设x = 2，那么
转载
2023-11-23 13:53:52
135阅读
算法思路： 存在一个样本数据集，也称作训练样本集，并且样本中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系，输入没有标签的新数据后，将新数据的每个特征与样本集中的数据对应的特征进行比较，然后算法提取样本集中特征最相似的数据（最近邻）的分类标签。一般来说，我们只选择样本集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数，最后，选择k个最相似的数据中出
Python中dict对象是表明了其是一个原始的Python数据类型，按照键值对的方式存储，其中文名字翻译为字典，顾名思义其通过键名查找对应的值会有很高的效率，时间复杂度在常数级别O(1).dict底层实现(推荐学习：Python视频教程)在Python2中，dict的底层是依靠哈希表(Hash Table)进行实现的，使用开放地址法解决冲突.所以其查找的时间复杂度会是O(1).Dict的操作实现
转载
2023-09-26 15:38:25
39阅读
一：什么是高阶函数（Higher-order function）：函数本身可以赋值给变量 变量也可以指向函数示例：在python中有许多内置函数，比如：求绝对值函数abs() 我们以往学习的函数都是可以直接通过名字调用的，那么我们也同样对其进行调用：发现，abs不能达到调用的效果，反而刚才的abs(-5)是我们需要的调用效果。可见：abs是函数本身，而abs(-5)这才是函数调用将其赋值： f =
说集合之前，我们先说一个小例子，假设某公司有五个人喜欢打篮球，五个人喜欢打游戏，问即打游戏有打篮球的人都有哪些？play_basketball = ['a','b','c','d','e']
play_game = ['a','b','c','f','g']
both_play=[]
for name in play_basketball:
if name in play_game:
both_p
