KD树给蛮力方法提供了不同的结果

Question

我有一个1000个随机3D点阵列＆amp;我对任何给定点最近的10分感兴趣。 In essence the same as this post.

我检查了J.F.Sebastian提供的2种解决方案，即蛮力方法＆amp; KD树方法。

虽然两者都给出了最接近点的相同指数，但它们给出了距离

的不同结果

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 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

我的输出，

  

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]]

     

蛮力：   [838 860 595 684 554 396 793 197 652 330]
  [0. 9.05595922 68.9890498 89.81525793 120.73267386     129.8587047 141.3932089 144.37630888 157.54158301 163.25183793]

那么这里的问题是什么？我计算距离错了吗？

Answer 1

KDTree算法根据Brute-force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) 和暴力算法使用：x^2+y^2+z^2

Answer 2

距离=（（a-point）** 2）.sum（轴= 1）** 0.5