局部敏感哈希 - 寻找 R 的概率和数值

Question

感谢那些回答我之前问题的人，帮我走到了这一步。

我有一个大约25,000个向量的表格，每个向量有48个维度，数值范围从0到255。

我正在尝试开发一个局部敏感哈希（局部敏感哈希）算法，用来寻找最近邻或最接近的邻居点。

我现在的LSH函数是这样的：

def lsh(vector, r = 1.0, a = None, b = None):
    if not a:
        a = [normalvariate(10, 4) for i in range(48)]
    if not b:
        b = uniform(0, r)
    hashVal = floor((sum([a[i]*vector[i] for i in range(48)]) + b)/r)
    return int(hashVal)

我目前有以下几个问题：

A: 在我的代码中“normalvariate(10, 4)”的部分有没有最佳值？这是Python内置的random.normalvariate（random.normalvariate）函数，我用它来生成“从稳定分布中独立选择的d维向量”。根据我的实验，似乎这些值并没有太大影响。

B: 在维基百科文章的开头提到：

如果d(p,q) <= R，那么h(p) = h(q)的概率至少为P1

如果d(p,q) >= cR，那么h(p) = h(q)的概率至多为P2

这里提到的R值是否也指的是在稳定分布部分提到的R值？（稳定分布）

C: 和我之前的问题(B)相关。我发现，在我的哈希函数中使用更高的R值会将我的向量映射到更小范围的哈希值。有没有办法优化我的R值？

D: 大约需要使用多少个表？

Answer 1

对感兴趣的人来说，我找到了一份文档（http://web.mit.edu/andoni/www/papers/cSquared.pdf），里面详细讲解了如何在高维空间中使用LSH，虽然内容有点复杂。

Answer 2

你可以看看“MetaOptimize”这个网站——就像是机器学习版的Stack Overflow。
http://metaoptimize.com/qa

你的问题其实不是关于Python或者编程的，那个社区可能能提供更多帮助。