第三章k近邻法（接上篇）

3.3k近邻法的实现：kd树

3.3.1构造kd树，
（1）构造跟节点，以训练集T中的一维度的中位点作为切分点，将超矩形区域划分为两部分，
（2）重复：对深度为j的节点选择切分坐标的中位值，
（3）直到子区域没有实例存在为止，从而形成kd树的划分
3.3.2搜索kd树
用kd树进行最近邻搜索
（1）从根节点出发，递归向下访问kd树，直到子节点为叶节点为止
（2）以此叶节点为当前最近点
（3）递归向回推，每个节点做一下的操作：
	（a）如果该节点的实例比当前保存的最近点距离更近，则把这个节点作为当前最近节点。
	（b）检查该子节点的父节点的另一个区域是否有更近点，即检查以目标点为球心，以目标点与当前最近点距离为半径的超球体是否与该子区域相交。如果相交，则可能存在距离更近的点，需要在该子区域具体搜索，如果不想交，则向上回退。
（4）当回退到根节点时，搜索结束。
kd树适用于训练实例数远大于空间维数的k紧邻搜索。