用python手写KNN算法+kd树及其BBF优化（原理与实现）（上篇） 初学python和机器学习，突然兴起想动手用python实践一下KNN算法，本来想着这个算法原理很简单明了，应该实现起来没什么大问题，然而真正上手的时候问题频出，花了好一些功夫挨个排除各种奇怪的bug，总算是大功告成。接下来我会介绍一下算法的手写实现和在此过程中亲遇的各种问题，希望能够帮到大家。实验所需数据链接在文章最后。 ps：从学习C语言以来形成了print调试的毛病，所以在代码中保留了一些用于调试的输出重要信息的print语句，放在了后面的完整print信息版代码中，方便理解代码和调试。千万注意在使用time()方

RobHess的SIFT源代码，利用OpenCV实现SIFT特征提取和RANSAC剔除错误匹配，可以用于全景图像拼接，注释很详细。

文档内对BBF算法原理进行了详细的说明，并附带源码以及源码解释

该程序主要使用C#实现了KD树的构造，同时利用构造的KD树，查找距离目标点的最近邻节点，还有在此基础之上改进的BBF搜索算法，当然同时在此之上进一步改进K近邻的搜索算法