minHash最小哈希原理

爲什麼80%的碼農都做不了架構師？>>>    前言        在數據挖掘中，一個最基本的問題就是比較兩個集合的相似度。通常通過遍歷這兩個集合中的所有元素，統計這兩個集合中相同元素的個數，來表示集合的相似度；這一步也可以看成特徵向量間相似度的計算（歐氏距離，餘弦相似度）。當這兩個集合裏的元素數量異常大（特徵空間維數很大），同時又有很多個集合需要判斷兩兩間的相似度時，傳統方法會變得十分耗時，最小

>>阅读原文<<