Python 纯手写实现KNN KD树算法

最新推荐文章于 2024-07-22 14:37:31 发布

原创

最新推荐文章于 2024-07-22 14:37:31 发布 · 950 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#统计学习方法 #机器学习 #Python #KNN #KD

本文根据《统计学习方法》第三章，详细介绍了如何用Python实现KNN算法和KD树构造及最邻近点搜索。通过算法3.2展示了KD树的构建过程，而在算法3.3中，解释了如何在构建好的KD树上进行目标点的最近邻搜索。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

《统计学习方法》第三章中的算法3.2与算法3.3

实现KD树的构造级最邻近点搜索

算法3.2：

构造KD树

输入：空间数据集T

输出：KD树

Python代码：

def creat_ketree(data,depth=0):
    """
    创建KD树
    axis为坐标轴
    num为中位数节点
    depth为树的深度
    median为父节点
    left，right分别为左右孩子节点
    :param data:
    :param depth:
    :return:
    """
    try:
        m = len(data[0])
    except IndexError as e:
        return None

    tree_node = {}
    axis = depth % m
    depth += 1
    tree_node['split'] = axis
    data = sorted(data,key = lambda data : data[axis])
    num = len(data)
    tree_node['median'] = data[num]
    tree_node['left'] = creat_ketree(data[:num] , depth)
    tree_node['right'] = creat_ketree(data[num+1:] , depth)
    return tree_node