Postgresql k-nearest neighbor (KNN) su cubo multidimensionale

PostgreSQL supporta l'operatore di distanza <-> e a quanto ho capito, questo può essere utilizzato per analizzare il testo (con il modulo pg_trgrm) e geometria tipo di dati.

Non so come puoi usarlo con più di 1 dimensione. Forse dovrai definire la tua funzione di distanza o in qualche modo convertire i tuoi dati in una colonna con testo o tipo di geometria. Ad esempio se hai una tabella con 8 colonne (cubo a 8 dimensioni):

c1 c2 c3 c4 c5 c6 c7 c8
 1  0  1  0  1  0  1  2

Puoi convertirlo in:

c1 c2 c3 c4 c5 c6 c7 c8
 a  b  a  b  a  b  a  c

E poi alla tabella con una colonna:

c1
abababac

Quindi puoi utilizzare (dopo aver creato gist index ):

SELECT c1, c1 <-> 'ababab'
 FROM test_trgm 
 ORDER BY c1 <-> 'ababab';

Esempio

Crea dati campione

-- Create some temporary data
-- ! Note that table are created in tmp schema (change sql to your scheme) and deleted if exists !
drop table if exists tmp.test_data;

-- Random integer matrix 100*8 
create table tmp.test_data as (
   select 
      trunc(random()*100)::int as input_variable_1,
      trunc(random()*100)::int as input_variable_2, 
      trunc(random()*100)::int as input_variable_3,
      trunc(random()*100)::int as input_variable_4, 
      trunc(random()*100)::int as input_variable_5, 
      trunc(random()*100)::int as input_variable_6, 
      trunc(random()*100)::int as input_variable_7, 
      trunc(random()*100)::int as input_variable_8
   from 
      generate_series(1,100,1)
);

Trasforma i dati di input in testo

drop table if exists tmp.test_data_trans;

create table tmp.test_data_trans as (
select 
   input_variable_1 || ';' ||
   input_variable_2 || ';' ||
   input_variable_3 || ';' ||
   input_variable_4 || ';' ||
   input_variable_5 || ';' ||
   input_variable_6 || ';' ||
   input_variable_7 || ';' ||
   input_variable_8 as trans_variable
from 
   tmp.test_data
);

Questo ti darà una variabile trans_variable dove sono memorizzate tutte le 8 dimensioni:

trans_variable
40;88;68;29;19;54;40;90
80;49;56;57;42;36;50;68
29;13;63;33;0;18;52;77
44;68;18;81;28;24;20;89
80;62;20;49;4;87;54;18
35;37;32;25;8;13;42;54
8;58;3;42;37;1;41;49
70;1;28;18;47;78;8;17

Invece di || operatore puoi anche utilizzare la seguente sintassi (più breve, ma più criptica):

select 
   array_to_string(string_to_array(t.*::text,''),'') as trans_variable
from 
   tmp.test_data t

Aggiungi indice

create index test_data_gist_index on tmp.test_data_trans using gist(trans_variable);

Test distanzaNota:ho selezionato una riga dalla tabella - 52;42;18;50;68;29;8;55 - e utilizzato un valore leggermente modificato (42;42;18;52;98;29;8;55 ) per testare la distanza. Ovviamente, avrai valori completamente diversi nei tuoi dati di test, perché è una matrice RANDOM.

select 
   *, 
   trans_variable <->  '42;42;18;52;98;29;8;55' as distance,
   similarity(trans_variable, '42;42;18;52;98;29;8;55') as similarity,
from 
   tmp.test_data_trans 
order by
   trans_variable <-> '52;42;18;50;68;29;8;55';

È possibile utilizzare l'operatore di distanza <-> o la funzione di similitudine. Distanza =1 - Somiglianza