如何从Ball Tree实例中提取内部计算的质心？

目前scikit-learn的sklearn.neighbors.BallTree没有提供公开API直接返回构建过程中使用的节点质心。

原因说明 #

虽然官方文档提到BallTree的节点由质心C和半径r定义，但在实际实现中，质心并非会被持久化存储的属性：

• 不同度量空间下，BallTree构建节点时的“质心”选择逻辑差异很大，比如欧氏空间中可能基于中位数分割策略临时计算参考点，而非始终存储均值；非欧氏空间里甚至可能直接随机选取样本作为节点的参考点来划分数据。
• get_arrays()方法仅暴露节点半径和包含的样本索引，是因为这些是后续近邻查询必需的核心数据，而质心在构建完成后对查询逻辑没有作用，因此没有被保留和公开。

可行的处理方式 #

• 欧氏空间场景：可以通过get_arrays()获取节点对应的样本索引，然后对这些样本取平均值得到质心，虽然属于重新计算，但实现成本很低，示例代码如下：

  import numpy as np
  from sklearn.neighbors import BallTree
  
  X = np.random.rand(100, 5)
  tree = BallTree(X)
  node_radii, node_indices = tree.get_arrays()
  
  # 提取第一个节点的质心
  first_node_samples = X[node_indices[0]]
  centroid = np.mean(first_node_samples, axis=0)
  

• 非欧氏空间场景：由于BallTree在非欧氏空间下的节点参考点选择逻辑未公开，很难精确复现内部使用的“质心”。如果需要近似，只能根据节点内的样本，结合对应度量的特性自行计算（比如曼哈顿距离下取中位数），但结果可能和构建时的参考点不一致。

进阶方案（不推荐生产环境） #

如果一定要获取内部构建时的参考点，可以查看对应scikit-learn版本的BallTree源代码，找到节点构建阶段的质心计算逻辑，然后通过访问对象的私有属性（比如_tree内部结构）来提取，但这种方式依赖于具体版本的实现细节，随时可能因库更新而失效，风险较高。

内容的提问来源于stack exchange，提问作者Frank Seidl