KDTree简单理解

KDTree作为一个树的结构，通常用来做高维的分割。在分割成为树的时候，保证下一层节点的比较位如果小于当前的比较位，则向左生长，否则向右生长。所谓的比较位就是当前层数%总的维度，例如三维坐标，第一层就是x，第二层就是y，第三层就是z。直接看图

图中每一层的比较位用加粗表示了，看第一层，比较位是第一位，也就是3，（2,3,7）中2>3，所以像左生长，(4,3,4)中4>3所以向右生长。

到了第二层，这里只看(2,3,7),他的比较位是y也就是3了，那么(2,1,3)中1<3所以像左生长，(2,,4,5)中4>3所以想向右生长。

至于KDTree是怎么训练出来能够做到尽量平衡的，就是通过传统的决策树的算法，算出信息熵决定的。如果捡到一个就分一个会很可能极度不平衡，搜索的时候可能会搜索非常深，但是即使用了决策树的算法，也不可能是完全平衡的，只是一个最优解而已。