我试图在相当大的数据集上使用scikit Learn中的k个最近邻居实现。问题在于，预测需要很长时间，几乎与没有意义的训练一样长。这是算法的问题，还是scikit learning不是针对大型数据集（不支持GPU）的事实。
有关更多信息，我尝试基于x，y，z和对象标签预测激光雷达强度。每次激光雷达扫描都有大约100,000个点，因此我试图预测每个点的强度。
最佳答案
尝试使scikit-learn的KNeighborsClassifier运行更快的事情：
不同的algorithm参数：kd_tree，ball_tree用于低维数据，brute用于高维数据n_jobs参数。使用较大的n_jobs并不一定会使速度更快，有时反之亦然。
确保您使用的是最新版本：v0.22中的性能已得到改进，并且某些尚未合并的优化（scikit-learn#14543）
使用外部近似最近邻居库（例如Annoy）以及使用metric="precomputed"预先计算的稀疏距离
关于python - k个最近邻居的回归本质上是缓慢的吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/59178717/