树的数量和搜索 k 对准确性和速度的影响 在 Annoy（Approximate Nearest Neighbors Oh Yeah）中，森林中树的数量和搜索 k 参数直接影响查询准确性和速度。更多的树可以提高准确性，因为每棵树以不同的方式划分数据，从而增加找到真正最近邻居的可能性。但是，更多的树也意味着更大的索引和更慢的查询时间，因为在搜索期间必须遍历每棵树。相反，更少的树可以减少内存使用并加快查询速度，但由于划分不够彻底，可能会错过相关的邻居。k 参数（查询期间检查的节点数）也起作用：更高的 k 值会迫使算法探索更多路径，从而提高召回率，但会增加延迟。例如，使用 k=100，Annoy 会检查树中的 100 个节点，这比 k=10 慢，但更准确。
选择树和 k 的值 树和 k 的最佳值取决于您在准确性和速度之间的权衡。首先使用适量的树（例如，10–50），并根据您的数据集大小和维度进行调整。对于高维数据（例如，300+ 维度），可能需要更多树（例如，50–100）来捕获复杂的关系。使用召回率@N（找到的真实 top-N 邻居的百分比）等验证指标来测试准确性。对于 k，一个经验法则是将其设置为接近树的数量或更高 - 例如，50 棵树对应 k=50。如果速度至关重要，则降低 k（例如，k=10），但预计准确性会下降。逐步进行实验：增加树的数量直到召回率稳定，然后调整 k 以平衡延迟。例如，一个包含 100 万个项目的推荐系统可能会从 50 棵树和 k=50 开始，如果查询速度太慢但准确性仍然可以接受，则将树的数量减少到 30。
实际示例和场景 考虑一个具有 50 万个向量的 100 维数据集。使用 30 棵树和 k=30，查询可能需要 5 毫秒，召回率为 85%。将树的数量增加到 50 可以将召回率提高到 92%，但会将查询时间延长到 8 毫秒。如果延迟是不可协商的（例如，实时搜索），将树的数量减少到 20，并将 k 减少到 20 可能会将时间缩短到 3 毫秒，但会将召回率降低到 78%。对于批处理（例如，离线分析），更高的树（100+）和 k=100 可以最大限度地提高准确性，但代价是每次查询 20 毫秒。始终使用数据集的子集进行基准测试：以 10 为增量测试树的数量，并以 10-20 为增量测试 k。网格搜索或贝叶斯优化等工具可以自动执行此操作，但手动调整通常就足够了。关键是将参数与应用程序的优先级对齐 - 无论是面向用户的速度还是后端准确性。