ann算法python实例

Ann (Approximate Nearest Neighbor) 算法是一种用于快速查找数据集中最相似项的技术，常用于推荐系统、图像检索等场景。Python 中可以使用 `annoy` 库来实现 ANNs。这里是一个简单的例子：

!pip install annoy

from annoy import AnnoyIndex

# 假设我们有二维的特征向量数据
data = [[0.1, 0.2], [0.3, 0.4], [0.5, 0.6], [0.7, 0.8]]  # 示例数据
dimension = len(data[0])  # 特征维度

# 创建 Annoy 指标，设置树的深度（默认10）
index = AnnoyIndex(dimension, 'angular')  # 使用余弦相似度（'angular'），也可以选择其他如'euclidean'

# 将数据添加到索引
for i, vector in enumerate(data):
    index.add_item(i, vector)

# 建立索引
index.build(10)  # 树的大小，越大搜索越准确，但占用空间也越大

# 找到与查询点最近的三个邻居
query_point = [0.9, 0.9]  # 需要查找相似的数据点
approx_neighbors = index.get_nns_by_vector(query_point, n=3)

print(f"查询点 {query_point} 的近邻：", data[approx_neighbors])

在这个例子中，首先创建了一个 AnnoyIndex 对象，并将数据插入其中。然后通过 `get_nns_by_vector` 函数找到给定查询点的最接近的邻居。