KD 树的缺点：
1. kd 树适合实例数远大于向量维度的情况，当实例数和向量维度相当时，查询复杂度几乎是线性的
2. kd 树划分的区域是一个个矩形其余，而在查找最近节点时是以球形区域判断的，导致查找效率有损
Ball tree改进了区域划分方法，直接用球形区域去划分
Ball tree 构建
1. 开始，找到所有节点的中心点，这个中心点就是根节点，此时所有的节点都是指向该节点。（这个中心点是怎么确定的？）
2. 递归的进行下面步骤：
a. 找到离当前节点最远的节点作为该节点的左子节点
b. 找到离左子节点最远的节点作为右子节点
c. 指向当前节点的所有节点，如果离左子节点近就指向左子节点，离右子节点近就指向左子节点
d. 最后，记录每个中心节点的位置和包含其所有所属节点的最小半径
每次划分的时间复杂度是 O(n)
Ball tree 检索
和kd树一样