我在5维空间中有大约10 K点。我们可以假设这些点随机分布在空间（0,0,0,0,0）和（100,100,100,100,100）。显然，整个数据集很容易驻留在内存中。
我想知道k最近邻居哪个算法运行得更快，kd-tree或RTree。
虽然我对这两种算法有一些非常高级的概念，但我不确定哪种算法运行得更快，以及为什么。我愿意探索其他可以快速运行的算法。如果可能，请说明算法运行速度更快的原因。
答案 0 :(得分：3)
这取决于各种参数。最重要的是你实现这些算法的能力。
我个人发现批量加载的R * -trees对于大数据更快，可能是因为他们有一个更好的扇出。批量加载的R-tree是一个更公平的比较，因为kd-tree通常是批量加载的（实际上，它们根本不支持增量操作）。
对于微小数据，kd-tree可能会更快，而且实现起来要简单得多。
对于其他事项，请参阅前面的问题/答案：