使用欧几里德距离在 numpy 数组列表中查找 numpy 数组的最近邻居

Question

我有一个 n 维向量，我想使用欧几里得距离在 n 维向量列表中找到它的 k 个最近邻。

我编写了以下代码（k=10），它可以工作，但运行速度太慢，我想知道是否有更优化的解决方案。

def nearest_neighbors(value, array, nbr_neighbors=1):
    return np.argsort(np.array([np.linalg.norm(value-x) for x in array]))[:nbr_neighbors]

Answer 1

使用 scipy 的kd-tree。

这里有一个小例子。

许多人似乎抱怨性能并推荐sklearn 的实现（链接 sklearn.neighbors，它在内部使用此数据结构）！