本文探讨了K最近邻（KNN）算法的时间和空间复杂度，指出KNN的时间复杂度为O(N*D)，其中N是训练集大小，D是数据维度。K-D树作为优化KNN搜索的手段，适用于低维数据集，但随着维度增加，其时间复杂度呈指数增长，不适用于高维数据。文章还提到了K-D树在地图搜索中的应用，以及加权KNN的概念，并提供了Python实现K-D树的参考链接。在sk-learn库中也使用K-D树进行最近邻搜索。
Complexity for KNN algorithm and the Optimization for KNN search.
Time complexity
Space complexity
Time/space complexity for recurssive algorithm.
Master theorem for complexity analysis:
https://www.jianshu.com/p/ca2cc9c5703b
http://people.csail.mit.edu/thies/6.046-web/master.pdf
https://blog.csdn.net/lanchunhui/article/details/52451362
The Time complexity for KNN is O(N*D). N is the size of the training size and D is the dimension of the data.
1. Choose specific training sample from the training data set such as clustering
2. Approximate KNN algorithm, will lose the accuracy!
https://www.cs.umd.edu/~mount/ANN/
3. K-D tree search for low dimension data set
</
最低0.47元/天 解锁文章
793
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
