斯坦福数据挖掘不同版本课件讲局部敏感哈希中MinHash的理解

        今天学习局部敏感哈希，看斯坦福的课件，他在讲将7维Input matrix (Shingles x Documents)用MinHash处理成3维Signature matrix 时那一步里面结果怎么也对不上，就是这张熟悉的图：

描述是这样的：

        我解读的应该是置换后一列中第一个是1的那行的行号，这样理解没什么问题吧，可是右边那个3*3的结果的表里咋没几个数对的上呢。

        查了网上很多地方介绍这一步的时候都是我这么理解的，而他们用的材料大多是下面这版：

描述是这样的：

        结果表中的数都对的上，这版课件是正确的，我一看这是11年的课件，而我用的是15年的课件。

        那我用的课件里的结果是怎么来的呢，难道是错误的吗，经过弯弯绕绕的观察，我发现15年这批结果是这么来的，那张3*3的结果表中保存的是Input matrix经置换后某列出现的第一个1在置换前的行号。这到底是想干嘛，仔细看描述还真是有细微差别的，那就是the index of 和the number of 的区别。

        那这两种做法那种比较正宗呢，11年版那种说法都在网上流传很多了，总不能是错的吧，于是去挖了挖其他历史版本，在斯坦福CS246该课件的14年版本中有所发现：

Note: Another (equivalent) way is to store row indexes

真是醉了，都行！

当然这本身只是Locality- Sensitive Hashing前的小菜，用什么距离用什么手段做映射关系不大，但是都要保证

这就不容易了，他说两种结果都行那肯定是要证明过的吧。

三个版本地址：

http://snap.stanford.edu/class/cs246-2011/handouts.html

http://snap.stanford.edu/class/cs246-2014/handouts.html

http://snap.stanford.edu/class/cs246-2015/handouts.html