sklearn.neighbors.KDTree内存需求

Question

在文档 for sklearn.neighbors.KDTree中，有一个内存消耗的描述：

将树规模存储为近似n_samples / leaf_size所需的内存量。

这是否意味着当leaf_size变得更大时，存储树所需的内存就会减少？

我认为leaf_size指定了树中有多少叶节点，所以如果有很多节点，内存就会增长。我是不是想错了？

Answer 1

leaf_size参数指定在树的“分支”底部的终端“叶”中存储了多少个条目。另一种说法是，这是“邻居”的数量，您的查询将与穷尽的.

如果您有一个较小的leaf_size。树需要更大，因此它增加了存储树的内存需求。

在实践中，leaf_size会极大地影响计算时间，并且在每个查询访问一个更大的树的成本(小leaf_size)和每个查询的更多对象的详尽比较成本(较大的leaf_size)之间保持平衡。

有关更多细节，请参见leaf_size的优化：https://jakevdp.github.io/blog/2013/04/29/benchmarking-nearest-neighbor-searches-in-python/