PostgreSQL admite el operador de distancia <->
y según tengo entendido, esto se puede usar para analizar texto (con el módulo pg_trgrm) y geometría
tipo de datos.
No sé cómo puedes usarlo con más de 1 dimensión. Tal vez tendrá que definir su propia función de distancia o convertir de alguna manera sus datos en una columna con texto o tipo de geometría. Por ejemplo, si tiene una tabla con 8 columnas (cubo de 8 dimensiones):
c1 c2 c3 c4 c5 c6 c7 c8
1 0 1 0 1 0 1 2
Puedes convertirlo a:
c1 c2 c3 c4 c5 c6 c7 c8
a b a b a b a c
Y luego a la tabla con una columna:
c1
abababac
Luego puede usar (después de crear gist
índice
):
SELECT c1, c1 <-> 'ababab'
FROM test_trgm
ORDER BY c1 <-> 'ababab';
Ejemplo
Crear datos de muestra
-- 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)
);
Transformar datos de entrada en texto
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
);
Esto le dará una variable trans_variable
donde se almacenan las 8 dimensiones:
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
En lugar de ||
operador también puede usar la siguiente sintaxis (más corta, pero más críptica):
select
array_to_string(string_to_array(t.*::text,''),'') as trans_variable
from
tmp.test_data t
Añadir índice
create index test_data_gist_index on tmp.test_data_trans using gist(trans_variable);
Distancia de prueba Nota:he seleccionado una fila de la tabla - 52;42;18;50;68;29;8;55
- y usó un valor ligeramente modificado (42;42;18;52;98;29;8;55
) para probar la distancia. Por supuesto, tendrá valores completamente diferentes en sus datos de prueba, porque es una matriz ALEATORIA.
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';
Puede usar el operador de distancia <-> o la función de similitud. Distancia =1 - Similitud