核心概念 第 18 章
KD树空间剪枝
kd-tree-pruning
定义
KD树按坐标轴递归切分向量空间,查询时通过边界距离剪去不可能更近的分支。
核心判断
维度升高时剪枝会失效;只有维度和数据规模适合空间划分时,才优于朴素扫描。
工程检查
以不同维度和目标召回率测访问节点数及P99,并核对树重建时间。
本书依据
《第十八章-向量检索系统.pdf》,PDF 第 5–9 页(18.2.1 节)。
扩展说明
高维退化是结构方法的适用边界,具体阈值取决于数据分布。
核心概念 第 18 章
kd-tree-pruning
KD树按坐标轴递归切分向量空间,查询时通过边界距离剪去不可能更近的分支。
维度升高时剪枝会失效;只有维度和数据规模适合空间划分时,才优于朴素扫描。
以不同维度和目标召回率测访问节点数及P99,并核对树重建时间。
《第十八章-向量检索系统.pdf》,PDF 第 5–9 页(18.2.1 节)。
高维退化是结构方法的适用边界,具体阈值取决于数据分布。