lmcinnes/umap

HNSW support

Open

#213 geöffnet am 25. März 2019

Auf GitHub ansehen
 (3 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Python (751 Forks)batch import
help wanted

Repository-Metriken

Stars
 (6.478 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 12h 3m) (15 gemergte PRs in 30 T)

Beschreibung

Just curious if the HNSW algorithm is amenable to use in this project? Probably not directly because I see you are jitting in the distance metric but curious if it is worth a look into that algorithm for the nn search vs random projections? It is consistently the top performing algorithm on the ann shootout and I was wondering if the performance of UMAP is significantly impacted by the NN component and if so would incorporating HNSW make a meaningful difference?

Contributor Guide

Research-Richtung
Untersuchen Sie, ob der HNSW Algorithmus die aktuelle Nächste Nachbar Suche in UMAP ersetzen kann, unter Berücksichtigung der Leistungsauswirkungen und der Kompatibilität mit der JIT kompilierten Distanzmetrik. Beginnen Sie mit der Überprüfung der HNSW Datenstruktur und dem Vergleich mit der vorhandenen approximierten Nächste Nachbar Suche in UMAP.
Tech Stack
python
Domain
backendmachine learning
Issue Type
Recherche
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Halber Tag
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Frisch
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Meist klar
Voraussetzungen
Pythonmachine learning
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
30