我一直在探索和了解KNN的KD树（K最近邻居问题）
什么时候搜索不起作用？还是值得或不改善幼稚的搜索。
这种方法有什么缺点吗？
最佳答案
K-d树在高维度上效果不佳（您必须访问很多树枝）。 One rule of thumb是，如果您的数据维数是k，则只有当您拥有的数据点多于2^k时，k-d树才有好处。
在高维情况下，通常需要改用近似最近的搜索。如果尚未运行过它，FLANN（github）是一个非常有用的库（带有C，C ++，python和matlab API）；它具有很好的k-d树实现，蛮力搜索和几种近似技术，并且可以帮助您自动调整其参数并轻松地在它们之间切换。
关于machine-learning - 什么时候KD树搜索KNN不起作用？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/14462657/