K近邻（KNN）算法是基于实例的算法，如果训练样本数量庞大，预测的时候挨个计算距离效率会很低下，如何破解？

K近邻(KNN)是最简单的算法之一，它计算预测样本与训练数据集中每个数据点之间的距离，并找到K个最近的样本数据。

当我们使用最近邻搜索算法时，它将所有的数据点与上述的查询点进行比较，找到最近的K个点。

有很多方法可以求出两个数据点之间的距离。最常用的距离度量是“欧氏距离”和“汉明距离”。

设想这样一种情况:你的任务有数千万个训练样本，每次算法都会将预测数据与所有训练数据进行比对。它不是计算量很大吗?

此外，数据点越大，所需的计算量也就越大。很明显!

KNN搜索计算每个距离的时间复杂度为O(N)。对于有K个邻居搜索的KNN，只有当我们保持一个优先队列返回最近的K个观测值时，时间复杂度才为O(log(K)*N)。因此，对于大数据或者互联网场景下的数据集，KNN似乎对计算得要求要求很高。那么，有没有其他方法可以替代KNN模型的最近距离计算的算法，它使用类似的方法，但也可以是有效的时间?

令人开心的是，KD树和Ball树就是用来解决这个问题的。

标签：KNN,距离,算法,计算,训练样本,数据
来源： https://blog.csdn.net/zhongkeyuanchongqing/article/details/118253681