Machine learning 对于大k（k=n），如何在kd树中寻找k-最近邻？

我目前正在用python从头开始实现kd树，并将knn算法应用于它。我已经构建了树，并且有了查找1-nn的算法，但是我不确定如何使用它来获取k-最近邻。通过将每个节点与正确的属性进行比较，然后向下移动节点的相应子节点/侧节点，我可以找到最近的邻居。完成该节点后，我会使用修剪技术，并找出是否值得查看节点的另一个子节点，以查看是否有更好的距离（更近的邻居）。我在网上读到，我可以将k个最佳距离保存到一个max堆中，然后得到k个最近邻。我已经实现了这个，但我发现它有缺陷，也许我做得不对。这就引出了我的问题

假设我的k很大，k=n，其中n是树中项目或节点的数量。如果我遍历树到最近的邻居，并保存沿途的所有最佳距离，则我的算法不会遍历树中的所有节点。它将选择到达最近节点的最佳路径，通过修剪，它将忽略节点，因此如果k=n，它将无法访问k个节点。因此，我的最大堆将只具有我遍历的节点数的最佳距离，并且我将无法遍历k个节点，因此它将没有k个最近邻。我如何解决这个问题？还是有别的办法，我做错了什么

**我知道将大k与kd树结合使用不是最佳实践，但我的任务是提供从k=1到k=n的所有k的精度