在使用Matlab计算平均查全率时，无法计算基础真实数据

假设我有一个大小如下的数据集：

train = 500,000 * 960  %number of training samples (vector) each of 960 length

B_base = 1000000*960 %number of base samples  (vector) each of 960 length


Query = 1000*960  %number of query samples  (vector) each of 960 length

truth_nn = 1000*100

真值\u nn

以 预先计算的

k

最近邻及其平方欧氏距离。因此，真值_nn的列表示

k=100

最近邻。我发现很难在代码片段中应用最近邻搜索。有人能演示一下如何应用基本真值邻域

真值\u nn

来查找平均精度召回率吗

如果有人能通过创建任何数据矩阵、查询矩阵和地面真值邻域（以预先计算的k近邻及其平方欧氏距离的形式）来展示任何小例子，这将是非常有帮助的。我尝试创建一个示例数据库

假设基础数据是

B_base = [1 1; 2 2; 3 2; 4 4; 5 6];

查询数据为

 Query = [1 1; 2 1; 6 2];

[neighbors distances] = knnsearch(a,b,'k',2);

会找到两个最近的邻居

问题1：如何创建包含地面真值邻域和预先计算的k最近邻距离的真值数据？ 这称为平均查全率。我尝试实现knearest邻居搜索和平均精度召回，如下所示，但无法理解（不确定）如何应用地面真值表

问题2：

我试图通过将第一个实值特征转换为二进制来应用

k

最近邻搜索

我无法应用k-最近邻搜索的概念来搜索k=10,20,50的不同值，也无法使用GIST数据库检查正确调用了多少数据。在GIST truth_nn（）文件中，当我为查询向量I指定

truth_nn（I，1:k）

时，函数AveragePrecision抛出错误。因此，如果有人能够使用任何与GIST结构相似的样本基础真理，说明如何正确指定k并计算平均查全率，那么我将能够将该解决方案应用于GIST数据库。到目前为止，这是我的方法，如果使用任何更容易与GIST数据库关联的示例提供正确的方法，这将非常有帮助。问题在于如何从地面真相中找到邻居，并将其与排序距离后获得的邻居进行比较

我还对如何应用

pdist2（）

而不是当前的距离计算感兴趣，因为它需要很长时间

 numQueryVectors = size(Query,1);
       %Calculate distances
     for i=1:numQueryVectors,
      queryMatrix(i,:)
      dist = sum((repmat(queryMatrix(i,:),numDataVectors,1)-B_base ).^2,2);
     [sortval sortpos] = sort(dist,'ascend');
      neighborIds(i,:) = sortpos(1:k);
     neighborDistances(i,:) = sqrt(sortval(1:k));
    end


        %Sorting calculated nearest neighbor distances for k = 50



 %HOW DO I SPECIFY k = 50 in the ground truth, truth_nn
for i=1:numQueryVectors
  AP(i) = AveragePrecision(neighborIds(i,:),truth_nn(i,:));
end
mAP = mean(AP);


  function ap = AveragePrecision(rank_id, truth_id)
    truth_num = length(truth_id);


truth_pos = zeros(truth_num,1);

for j=1:50  %% for k = 50 nearest neighbors
    truth_pos(j) = find(rank_id == truth_id(j));
end
truth_pos = sort(truth_pos, 'ascend');

% compute average precision as the area below the recall-precision curve
ap = 0;
delta_recall = 1/truth_num;
for j=1:truth_num
    p = j/truth_pos(j);
    ap = ap + p*delta_recall;
end

    end
end

更新：根据解决方案，我尝试使用给出的公式和a计算平均精度。但是，我不确定我的方法是否正确，因为理论上说我需要根据索引对返回的查询进行排序。我不完全理解这一点。为了判断检索算法的质量，需要平均精度

precision = positives/total_data;
recal = positives /(positives+negatives);
precision = positives/total_data;
recall = positives /(positives+negatives);
truth_pos = sort(positives, 'ascend');
truth_num = length(truth_pos);

ap = 0;
delta_recall = 1/truth_num;
for j=1:truth_num
    p = j/truth_pos(j);
    ap = ap + p*delta_recall;
end
ap

---

ap的值=无穷大，正值=0，负值=150。这意味着knnsearch（）根本不起作用。

我认为您正在做额外的工作。这个过程在matlab中非常简单，您也可以对整个阵列进行操作。这应该比for循环更快，并且更易于阅读

如果没有错误，您的

真相\u nn

和

邻居应该有相同的数据。每行有一个条目。Matlab已经按升序对kmeans结果进行排序，因此列1是最近的邻居，第二个最近的是列2，第三个最近的是3，。。。。无需再次对数据进行排序

只需将
truth\u nn
与
neights
进行比较，即可获得您的统计数据。这是一个简单的示例，向您展示程序应该如何运行。如果不进行一些修改，它将无法处理您的数据

%在您提供的示例中，我创建了自己的
真理_nn=[1,2；
1,3;
4,3];
B_基=[11；22；32；44；56]；
查询=[11；21；62]；
%k均值
num_集群=2；
[Neights distances]=knnsearch（B_base，Query，'k'，num_clusters）；
%---输出---
%邻居=[1,2；
%1,2；注意这与真理1,3不匹配
%              4,3]
%距离=[0 1.4142；
%              1.0000    1.0000;
%              2.8284    3.0000];
%计算统计信息，nnz统计第一个
%对匹配的每一条数据进行大小写
%注1:truth_nn（：，1:num_clusters）上的索引表示所有行
%但仅使用第一个num_clusters列。这应该
%防止您得到的维度不匹配错误
正数=nnz（邻域==真值=nn（：，1:num_簇））；%结果=5
否定=nnz（邻居~=truth_nn（：，1:num_簇））；%结果=1
%注1：我已将此从真相切换到邻居，这很有帮助
%当你拥有一个新的世界
总数据=numel（邻域）；%结果=6
不正确百分比=100*（否定/总数据）；%16.6666
正确率=100*（正/总数据）；%93.3333
这与您在这个主题上的其他问题有何不同？@bicker：在我的另一个问题中，我曾问过如何为alogirhtm位置敏感哈希创建多个哈希表。然后我问我如何使用GIST数据库。特别是，我正在努力研究如何应用由实际标签和距离组成的地面真值表。因为，这是一个非常具体的问题，我想问一个一般性的问题，在这里我创建了一个简单的查询和基础数据。现在，我不知道如何创建地面真值表。我的目标是应用最近邻搜索并使用平均精度召回度量评估质量。为了应用平均精度召回，我相信我们需要地面真值表。GIST数据库确实有一个，但我不知道如何使用它。因此，我在这里请求帮助展示如何在最近邻中应用基本事实，并借助于与t具有相同结构的任何样本基本表来计算平均查全率