4, Kernel LSH
前面讲了三种LSH算法 ， 基本可以解决一般情况下的问题 ， 不过对于某些特定情况还是不行：比如输入的key值不是均匀分布在整个空间中 ， 可能只是集中在某个小区域内 ， 需要在这个区域内放大距离尺度 。又比如我们采用直方图作为特征 ， 往往会dense一些 ， 向量只分布在大于0的区域中 ， 不适合采用cosine距离 ， 而stable Distribution投影方法参数太过敏感 ， 实际设计起来较为困难和易错 ， 不免让我们联想 ， 是否有RBF kernel这样的东西能够方便的缩放距离尺度呢？或是我们想得到别的相似度表示方式 。这里就需要更加fancy的kernel LSH了 。
推荐阅读
- 面膜|聚美涵熙美肤：敏感及干性皮肤建议你这么做
- 普秀节气, 霜降 敏感的生物们有何感受
- 网上发不出去的那些敏感词，是如何被屏蔽掉的？
- 护肤|诗踏绮护肤：敏感肌肤在选择护肤时需要注意以下几点
- 补水|敏感肌适合什么美白补水 十款敏感肌适用的美白精华盘点
- 护肤品|敏感混合肌肤用什么护肤品 十款温和不刺激的敏感肌护肤品推荐
- 护肤|若是敏感肌，请全文背诵！不光为省钱，更为了避免踩雷！
- 护肤品|敏感肤质适合用什么护肤品 敏感肌口碑最好的护肤品十大推荐
- 鼻子敏感，天冷易流鼻涕，有什么缓解方法？
- 花椒基于 Go 语言的敏感词系统架构讲解