Чувствительное к местоположению хеширование кажется отличным методом для KNN без каких-либо недостатков. Однако, что будет недостатком чувствительного к местоположению хэширования, если кто-то использует его в промышленности для практического применения? В каких ситуациях LSH терпит неудачу или что-то плохое? Или требуется много времени для кодирования/настройки?Ближайший сосед - местность Чувствительность Хеширование Недостаток
Это довольно широкий вопрос, но поскольку вы здесь новые, я попытаюсь ответить.
LSH не так совершенен, как вы описали, конечно, ищите документы об этом, пожалуйста. Может быть, этот вопрос может помочь: How to understand Locality Sensitive Hashing?
Есть много библиотек LSH, что обеспечивает автоматическую настройку параметров, но не самый важный, R, используемые в решении рандомизированное версии R-близкого соседа. Это главный недостаток: , так как пользователю необходимо вручную идентифицировать R на каждом входе. Это, на мой взгляд, очень важный аспект, который вы должны учитывать, когда дело касается практических приложений.
О производительности, все зависит от вашего ввода! Например, в моем проекте kd-GeRaF, я тщательно тестировал LSH, и я видел, что у него могут быть некоторые важные проблемы, когда дело доходит до точности и скорости поиска. Объем наборов данных, где в высокоразмерном пространстве, где был выполнен ANNS.
Не уверен, что это подходящий форум для обсуждения. stackoverflow предназначен для ответов на конкретные технические вопросы. – buffjape
есть хорошая бумага? – user3085931
@jonty rhodes, я ответил на ваш вопрос! – gsamaras