kd-tree：在高维数据时很难处理，而且搜索难度高。
1、LSH是一种找到近似邻居的方法。
比如以下这种情况，找不到真正的最近邻。因为我们只在要寻找的点所在的bin中找最近邻。
2、3个挑战：
（1）分割线很难找
（2）质量函数很差时，很难解决：2个点离的很近，但被分到了2个bin中，很难解决
（3）计算量有时候很大：有时候1个bin中分的数据太多
3、提高效率：减少每次查询的点数
（1）通过增加bin数，减少搜索消耗
（2）通过搜索临近的bin，来减少搜索消耗
（3）以上只是一个表table，分多个bin。可以继续提高效率，多个table，每个table再多个bin。
4、测试
搜索到的跟待查询的数据点不相似，除了搜索更多的表和bin，还有就是扩大当前搜索的bin，也就是对应减少lines。
所以说，增加lines是不对的。
