3.3k近鄰法的實現：kd樹

3.3.1構造kd樹，
（1）構造跟節點，以訓練集T中的一維度的中位點作為切分點，將超矩形區域劃分為兩部分，
（2）重複：對深度為j的節點選擇切分座標的中位值，
（3）直到子區域沒有例項存在為止，從而形成kd樹的劃分
3.3.2搜尋kd樹
用kd樹進行最近鄰搜尋
（1）從根節點出發，遞歸向下訪問kd樹，直到子節點為葉節點為止
（2）以此葉節點為當前最近點
（3）遞歸向回推，每個節點做一下的操作：
	（a）如果該節點的例項比當前儲存的最近點距離更近，則把這個節點作為當前最近節點。
	（b）檢查該子節點的父節點的另一個區域是否有更近點，即檢查以目標點為球心，以目標點與當前最近點距離為半徑的超球體是否與該子區域相交。如果相交，則可能存在距離更近的點，需要在該子區域具體搜尋，如果不想交，則向上回退。
（4）當回退到根節點時，搜尋結束。
kd樹適用於訓練例項數遠大於空間維數的k緊鄰搜尋。