5
感谢那些已经回答我以前的问题，并得到了我这么多。局部敏感散列 - 寻找R的概率和值
我有一张大约25,000个向量的表格，每个向量有48个维度，值范围从0-255。
我正在尝试开发一种用于查找近邻或最近邻点的局部敏感散列算法（http://en.wikipedia.org/wiki/Locality-sensitive_hashing）。
我现在LSH功能是这样的：
def lsh(vector, r = 1.0, a = None, b = None):
if not a:
a = [normalvariate(10, 4) for i in range(48)]
if not b:
b = uniform(0, r)
hashVal = floor((sum([a[i]*vector[i] for i in range(48)]) + b)/r)
return int(hashVal)
我的问题，在这一点上是：
答：是否有最佳值 “normalvariate（10,4）” 我的代码部分。这是python在random.normalvariate（http://docs.python.org/library/random.html#random.normalvariate）函数中构建的，我正在使用它来生成“d维矢量，其条目从稳定分布中独立选择”。从我的试验来看，这些价值似乎并不太重要。
B：在维基百科文章的顶部它指出：
如果d（P，Q）< = R，则h（P）= H（q）的概率至少P1
如果d（p，q）> = CR，则h（p）= H（q）的概率为至多P2
在此也提及的R值下稳定提及的R值分配部分。 （http://en.wikipedia.org/wiki/Locality-sensitive_hashing#Stable_distributions）
C：与我以前的问题（B）相关。我发现在我的hasing函数中使用更高的R值可将我的向量映射到更小范围的散列值。有没有办法来优化我的R值。
D：大约可以使用多少个表？