KDTree Python实现细节

Question

我正在研究枕库中的KDTree实现，发现自己被这行https://github.com/scipy/scipy/blob/master/scipy/spatial/kdtree.py#L314-L319弄糊涂了。

side_distances = np.maximum(0,np.maximum(x-self.maxes,self.mins-x))
if p != np.inf:
    side_distances **= p
    min_distance = np.sum(side_distances)
else:
    min_distance = np.amax(side_distances)

有人能解释为什么初始min_distance是这样计算的吗？

Answer 1

min_distance是-norm of side_distances，它依次是从x到包围框(带内部)的每个维度的距离。换句话说，min_distance是从x到边界框的最近点的距离。