二叉树KNN算法实现

二叉树KNN算法实现

• 关于二叉树和KNN

对一维数据进行最近邻分析，使用二叉树的数据模式

效果展示

一维数据为：a=[2, 7, 6, 5, 4, 9, 8, 1, 3, 0]，目标是查询与4.1最近的数
搜索结果为：Distance: 0.09999999999999964, Index: 4
结果表示a[4]和4,1最近，距离为0.1

一维数据为：b=[26, 10, 18, 97, 6, 66, 74, 96, 25, 75, 45, 27, 32, 84, 1, 62, 94, 48, 14, 52, 23, 56, 64, 54, 70, 87, 12, 89, 19, 43, 83, 40, 13, 57, 60, 3, 11, 21, 46, 33, 50, 31, 24, 98, 42, 30, 59, 99, 5, 63, 4, 49, 88, 22, 80, 2, 41, 73, 78, 9, 51, 55, 65, 69, 76, 17, 91, 37, 15, 71, 35, 79, 72, 36, 82, 16, 7, 61, 85, 90, 93, 39, 81, 58, 38, 77, 53, 20, 34, 28, 47, 92, 29, 0, 67, 44, 68, 86, 95, 8]，目标是查询与20.1最近的5个数
返回结果为：

• Distance: 0.10000000000000142, Index: 87
• Distance: 0.8999999999999986, Index: 37
• Distance: 1.1000000000000014, Index: 28
• Distance: 1.8999999999999986, Index: 53
• Distance: 2.1000000000000014, Index: 2
  结果表示b[87],[37],[28],[53],[2]是最近的5个数

K个最近结果存放池

• 保存K个查询结果
• 列表类型存放K个点与查寻点的距离与K点对应的序号
• 最近查找的结果是动态刷新的，存放在列表里，并且列表需要按和查寻点的距离关系排序，最近的放列表最前面。
• add_point(self, dist, index)主要实现上述功能

树搜索逻辑函数

• 查询到空节点，结束搜索

• 特殊情况，搜索到K个结果与查询点完全相同，结束搜索

• 查询的点比节点小，需要继续搜索左子树，并且，当该节点与查询点距离不是当前K个结果中最远的，需要搜索右子树

• 查询的点比节点大，需要继续搜索右子树，并且，当该节点与查询点距离不是当前K个结果中最远的，需要搜索左子树

• knn_search(root: TreeNode, result_set: KNNResultSet, value)实现上述功能

全部代码

import numpy as np
import math
import copy
# 定义二叉树节点类
class TreeNode:
    def __init__(self, value,key=0):
        self.value = value
        self.key = key
        self.left = None
        self.right = None

    def __str__(self):
        output = ''
        if self.value is None:
            output += 'split value: leaf, '
        else:
            output += 'split value: %.2f, ' % self.value
            output += 'split key: %.2f, ' % self.key
        return output
# 定义二叉搜索树类
class BinarySearchTree:
    def __init__(self):
        self.root = None

    # 插入节点方法
    def insert(self, value,key):    
        if not self.root:
            self.r