機器學習系列之——Knn算法 kd樹詳解

關於knn算法，對特徵空間進行劃分的方法爲計算新的輸入實例與訓練實例之間的距離，因爲在特徵空間中2個特徵實例的相似程度可以用距離來表示。一般我們採用的是歐式距離，也就是說每個新的輸入實例都需要與所有的訓練實例計算一次距離並排序。當訓練集非常大的時候，計算就非常耗時、耗內存，導致算法的效率降低。以上是對knn算法的簡單理解。 kd樹（k-dimensional樹的簡稱） 是一種對k維空間中的實例點進

>>阅读原文<<