Python 改进线性搜索的KNN效率w/NumPY

我试图计算测试集中每个点与训练集中每个点之间的距离：

这就是我的循环现在的样子：

 for x in testingSet
    for y in trainingSet
        print numpy.linalg.norm(x-y)

其中testingSet和trainingSet是numpy数组，其中两个集合中的每一行保存一个示例的特征数据

---

但是，由于我的数据集比较大（测试集3000，训练集10000），所以运行速度非常慢，需要10分钟以上。这是否与我的方法有关，或者我是否错误地使用了numPY？

这是因为您天真地迭代数据，而python中的循环速度很慢。相反，使用sklearn，或者更好的-使用sklearn搜索（比如BallTree或KDTree）。如果您不想使用sklearn，还有一个。最后你可以用“矩阵技巧”来计算，因为

|| x - y ||^2 = <x-y, x-y> = <x,x> + <y,y> - 2<x,y>

---

这是因为您天真地迭代数据，而python中的循环速度很慢。相反，使用sklearn，或者更好的-使用sklearn搜索（比如BallTree或KDTree）。如果您不想使用sklearn，还有一个。最后你可以用“矩阵技巧”来计算，因为

|| x - y ||^2 = <x-y, x-y> = <x,x> + <y,y> - 2<x,y>

---

回答得真好+回答得非常好+1.