Python KD树给出了与蛮力法不同的结果
我有一个1000个随机3D点的数组&我对任何给定点最近的10个点感兴趣 我检查了J.F.Sebastian提供的两种解决方案,即蛮力方法和KD树方法 虽然这两种方法对最近的点给出了相同的指数,但对距离给出了不同的结果Python KD树给出了与蛮力法不同的结果,python,numpy,scipy,kdtree,Python,Numpy,Scipy,Kdtree,我有一个1000个随机3D点的数组&我对任何给定点最近的10个点感兴趣 我检查了J.F.Sebastian提供的两种解决方案,即蛮力方法和KD树方法 虽然这两种方法对最近的点给出了相同的指数,但对距离给出了不同的结果 import numpy as np from scipy.spatial import KDTree a = 100 * np.random.rand(1000,3) point = a[np.random.randint(0, 1001)] # point chosen at
import numpy as np
from scipy.spatial import KDTree
a = 100 * np.random.rand(1000,3)
point = a[np.random.randint(0, 1001)] # point chosen at random
# KD Tree
tree = KDTree(a, leafsize=a.shape[0]+1)
dist_kd, ndx_kd = tree.query([point], k=10)
# Brute force
distances = ((a-point)**2).sum(axis=1) # compute distances
ndx = distances.argsort() # indirect sort
ndx_brt = ndx[:10]
dist_brt = distances[ndx[:10]]
# Output
print 'KD Tree:'
print ndx_kd
print dist_kd
print
print 'Brute force:'
print ndx_brt
print dist_brt
我的产出
KD树:
[[838 860 595 684 554 396 793 197 652 330]]
[[ 0. 3.00931208 8.30596471 9.47709122 10.98784209
11.39555636 11.89088764 12.01566931 12.551557 12.77700426]]
暴力:
[838 860 595 684 554 396 793 197 652 330][ 0. 9.05595922 68.9890498 89.81525793 120.73267386 129.8587047 141.3932089 144.3763088157.5415830163.25183793]
那么这里的问题是什么?我计算的距离有误吗?
KDTree
算法是根据蛮力算法使用的相同距离的平方根计算最近点
基本上KDtree使用:sqrt(x^2+y^2+z^2)
蛮力算法使用:x^2+y^2+z^2
KDTree
算法基于蛮力算法使用的相同距离的平方根计算最近点
基本上KDtree使用:sqrt(x^2+y^2+z^2)
暴力算法使用:x^2+y^2+z^2
距离=((a点)**2)。求和(轴=1)**0.5距离=((a点)**2。求和(轴=1)**0.5sqrt(163.25183793)=12.77700426oh yeah duhh。如果你把它作为一个答案,我会给你点Sqrt(163.25183793)=12.77700426哦,是的,是的。如果你把它作为一个答案,我会给你分数