跳到正文
arXiv Artificial Intelligence· Amol Khanna, Edward Raff·· 18 小时前AI 评分24

KNN 实现细节可大幅改变性能:以 Cover Tree 为例

KNN Implementation Details Can Dramatically Change Performance: An Example from Cover Trees

AI 导读

研究者以 Cover Tree 为例构建了 RustKNN,用 Rust 统一实现三种构建变体与三种查询模式,发现实现细节会实质影响性能并改变算法优劣结论。最优查询策略取决于 k 与数据集,选错查询模式运行时最多差 7.5 倍;理论取 2、实践取 1.3 的 base 参数并非安全默认值,在 covtype 上 1.3 比最优慢 1.6 倍。

来源:arXiv Artificial Intelligence · arxiv.org