我遇到一种情况，我试图在我的数据框中找到给定ID的3个最近邻居。我正在使用NN alogrithm（不是KNN）来实现这一目标。下面的代码给了我三个最近的邻居，对于顶部节点，结果很好，但是对于中间节点和底部，结果的准确性只有1/3个邻居是正确的，而我希望至少有2/3个邻居是正确的每个ID。我的数据集有47个特征和5000个点。
from sklearn.neighbors import KDTree
def findsuccess(sso_id):
neighbors_f_sso_id = np.where(nbrs.kneighbors_graph([X[i]]))[0]
print('Neighbors of id', neighbors_f_sso_id)
kdt = KDTree(X, leaf_size=40, metric='euclidean')
kdt.query(X, k=4, return_distance=False)
上面的代码将返回ID本身和最近的3个邻居，因此k = 4
我已经读到，由于维数的诅咒，这种NN算法可能无法正常工作，因为我的数据集中大约有47个特征，但这是我认为在没有目标变量的数据帧中我唯一的选择。 here上有一篇文章说，KD树并不是可使用的最佳算法。
什么是达到最大精度（即达到最小距离）的最佳方法？ 在传递到KD Tree算法之前是否需要执行缩放？还有其他需要注意的事情吗？