高效测地最近的邻居

Question

从纬度/经度数据（以弧度为单位）开始，我试图有效地找到最接近的n个邻居，理想情况下是测地线（WGS-84）的距离。现在，我使用sklearn的BallTree与半正矢距离（KD-特雷斯只需要minkowskian距离），这是很好的和快速（3-4秒内找到最近的5个邻居在7500个可能的匹配1200个位置），但不准确的我需要。代码：tree = BallTree(possible_matches[['x', 'y']], leaf_size=2, metric='haversine')distances, indices = tree.query(locations[['x', 'y']], k=5)当我用自定义函数代替metric（metric=lambda u, v: geopy.distance.geodesic(u, v).miles）时，将花费“不合理的”长时间（在与上述相同的情况下为4分钟）。据记载，自定义函数可能会花费很长时间，但是并不能帮助我解决问题。我看过使用带有ECEF坐标和欧几里得距离的KD-Tree，但是我不确定这是否更准确。如何保持当前方法的速度，但提高距离精度？

Answer 1

指标缓慢的主要原因是它是用Python编写的，而sklearn中的其他指标是用Cython / C ++ / C编写的。

因此，例如在此处针对“随机森林”进行的讨论或在此处，您将必须在Cython中实现指标，派生自己的BallTree版本，并在其中包含自定义指标。