K-D树和Brute-force比较搜索时间答案

【问题标题】：Comparison search time between K-D tree and Brute-forceK-D树和Brute-force比较搜索时间
【发布时间】：2018-05-28 19:01:11
【问题描述】：

这是我写的根据 k-d 树的维度和蛮力计算的执行速度图。指针组的数量固定为 1 M (1,000,000)，Query 测量了执行 1000 次的速度。 k - d 树的增加是巨大的，但蛮力不是。我想知道为什么会出现这些结果以及如何改进它们。

【问题讨论】：

您是否将 kd-tree 创建时间作为基准测试的一部分进行测量？
不，这只是我的学术好奇心。
什么语言？任何测试示例代码？什么数据字段和构造算法，特别是分裂启发式？

标签： algorithm brute-force kdtree

【解决方案1】：

一些想法：

性能可能很大程度上取决于数据的特征。例如，数据点是否均匀分布、聚集或以其他方式排列？
另外，您正在执行哪种查询？一种解释是您正在使用返回整个点集或大部分点集的窗口查询。在这种情况下，蛮力总是会更快。
KD-Tree 实现是否存在缺陷？

众所周知，kD-Trees 在高维时不能很好地扩展。因此，例如在机器学习中，维数通常会降低到 10 到 20 左右。但是，除非您在 GPU 上进行暴力破解，否则 KD-Tree 应该更快。

如果您正在寻找可在高维度（插入/窗口查询）下更好扩展的结构，请查看 R*Trees 或 PH-Tree（后者是自我广告，目前限制为 60 个维度，但本周将发布高亮度版本）。对于 k-最近邻搜索，请查看 CoverTrees 或 BallTrees。如果您使用的是 Java，您可以查看 my repo 中的实现。我还实现了一个R*Tree here。

【讨论】：