python sklearn KDTree与haversine distan

Question

我尝试创建一个WGS84坐标的KD树，并在一定半径范围内找到邻居

from sklearn.neighbors.dist_metrics import DistanceMetric
from sklearn.neighbors.kd_tree import KDTree    
T = KDTree([[47.8665, 8.90123]], metric=DistanceMetric.get_metric('haversine'))

但得到以下错误：

^{pr2}$

如何在KD树中使用haversine距离？在

Answer 1

k-d-树（据我所知）只能用于Minkowski规范。在

还有其他的树，如sklearn的ball tree，或ELKI中的covertree，它们使用Haversine距离，因为它是一个度量。在

Answer 2

KDTree.valid_metrics

输出-

['p',
 'l1',
 'chebyshev',
 'manhattan',
 'minkowski',
 'cityblock',
 'l2',
 'euclidean',
 'infinity']

这说明，不能将haversine与KDTree一起使用。它背后的原因是haversine距离给你Orthodromic距离，这是当你的点在球体中表示时使用的距离度量。但是在kdTree中，这些点被组织在一个树中，这使得它不能被使用。在