这种算法是一种简单的机器学习分类算法。
K近邻算法需要用户定义距离度量。
对于n维的特征向量而言x=(x1,x2,x3.....,xn)，距离度量通常采用欧式距离。
这个算法的核心思想是通过训练数据，构造出一个KD树。
并对待分类的数据xp=(x1,x2,x3,....,xn) 进行XD树的搜索，直至找到一个近似K节点。
步骤分为三步：
1）在kd树中找出包含目标点x的叶结点：从根节点出发，递归向下travel kd树，如果当前维的坐标<切分点的坐标，移动到左子节点，否则移动到右子节点。
2）以此叶结点为当前最近点
3）递归向上回退，查找最近点。
阅读(1794) | 评论(0) | 转发(0) |
