从10M样本中寻找最近向量的有效方法

Question

假设我有一个100维向量的10000 000数据库：

X1 = [x1_1, ..., x1_100]
X2 = [x2_1, ..., x2_100]
...
X1000000 = [x1000000_1, ..., x1000000_100]

我有输入向量Y：

Y = [y1, ..., y100]

<>在欧几里得距离席上找到最接近向量y到y的最有效方法是什么？

Answer 1

试试这个

def find_CD(X,y):
  return ​return​ spatial.distance.euclidean(X,y)

大体上

listt=[]
vic=[x1,x2,.....,X1000000]
for i in range(len(vic)):
 listt.append(find_CD(vic[i],y)

并找到最小值索引

listt.index(min(listt))