06机器学习-KNN算法_Page2.jpg06机器学习-KNN算法_Page3.jpg06机器学习-KNN算法_Page4.jpg06机器学习-KNN算法_Page5.jpg06机器学习-KNN算法_Page6.jpg06机器学习-KNN算法_Page7.jpg06机器学习-KNN算法_Page8.jpg06机器学习-KNN算法_Page9.jpg06机器学习-KNN算法_Page10.jpg06机器学习-KNN算法_Page11.jpg06机器学习-KNN算法_Page12.jpg06机器学习-KNN算法_Page13.jpg06机器学习-KNN算法_Page14.jpg06机器学习-KNN算法_Page15.jpg06机器学习-KNN算法_Page16.jpg06机器学习-KNN算法_Page17.jpg06机器学习-KNN算法_Page18.jpg06机器学习-KNN算法_Page19.jpg06机器学习-KNN算法_Page20.jpg06机器学习-KNN算法_Page21.jpg06机器学习-KNN算法_Page22.jpg06机器学习-KNN算法_Page23.jpg06机器学习-KNN算法_Page24.jpg06机器学习-KNN算法_Page25.jpg06机器学习-KNN算法_Page26.jpg

KD树——总结归纳(参考留言中的blog)

1.对于knn算法而言,采用brutal暴力遍历所有点,再从中选取最近点的时间开销。
我们采取分支的策略,类似2分查找,
将所有点的位置信息,构建树形结构,
在父节点和子节点将对于查找点距离满足一点过关系,就可以放弃查找其他子节点
因此加快查找时间开销。
至于具体要满足什么要的关系,根据什么样的距离信息来建树
就是KD树的具体细节,和KD树变种优化的内容了。