多次元キューブ上のPostgresqlk最近傍法（KNN）

PostgreSQLは距離演算子<->をサポートしています私が理解しているように、これはテキストの分析（pg_trgrmモジュールを使用）およびジオメトリデータ型。

複数の次元でどのように使用できるかわかりません。おそらく、独自の距離関数を定義するか、データをテキストまたはジオメトリタイプの1つの列に変換する必要があります。たとえば、8列のテーブル（8次元の立方体）がある場合：

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

次のように変換できます：

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

次に、1つの列を持つテーブルに移動します：

c1
abababac

次に、（gistを作成した後に）を使用できますインデックス）：

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

例

サンプルデータを作成する

-- 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)
);

入力データをテキストに変換する

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
);

これにより、1つの変数trans_variableが得られます 8つのディメンションすべてが保存されている場所：

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

||の代わりに演算子では、次の構文を使用することもできます（短くなりますが、よりわかりにくい）：

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

インデックスを追加

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

テスト距離注：テーブルから1つの行を選択しました-52;42;18;50;68;29;8;55 -わずかに変更された値を使用しました（42;42;18;52;98;29;8;55 ）距離をテストします。もちろん、ランダム行列であるため、テストデータの値は完全に異なります。

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';

距離演算子<->または類似関数を使用できます。距離=1-類似性