问为什么KNN在使用自定义度量时比较慢？

EN

我使用的数据集包含大约200k个对象。每个对象都有4个特征。我用欧氏度量对它们进行K近邻(KNN)分类。过程在大约20秒内完成。

最近，我有理由使用自定义度量。可能会有更好的结果。我已经实现了自定义度量，并且KNN已经工作了一个多小时。我没等它完成。

我认为这个问题的一个原因是我的标准。我用return 1替换我的代码。KNN还工作了一个多小时。我假设一个原因是算法Ball Tree，但是KNN与它和欧几里得度量在大约20秒内工作。

现在我不知道是怎么回事。我使用Python 3和sklearn 0.17.1。这里进程不能用自定义度量完成。我也尝试了算法brute，但它有同样的效果。升级和降级的科学知识-学习没有任何影响。在Python 2上通过自定义度量实现分类也没有积极的效果。我在Cython上实现了这个度量(只返回1)，它具有相同的效果。

def custom_metric(x: np.ndarray, y: np.ndarray) -> float:
    return 1

clf = KNeighborsClassifier(n_jobs=1, metric=custom_metric)
clf.fit(X, Y)

我能用自定义度量来提升KNN的分类过程吗？

如果我的英语不清楚，很抱歉。