簡稱KNN，講人話就是在現有歷史資料的基礎上，對於想預測的新資料，直接比對特徵最接近的K筆歷史資料，看他們分別屬於哪種分類，再以投票的方式決定新資料的所屬分類。
最近鄰居法是監督式學習中的分類演算法，能用一句話代表大概就是物以類聚了吧!舉個例子來說，假設你的鄰居朋友裡面，十個有八個都是單身狗，那你也很有可能也是單身狗，差不多是這個概念，再來說明此演算法的步驟:
(一)計算距離
(二)進行投票
(三)決定類別
計算距離的方式有三種:
(一)歐基里德距離 (Euclidean distance)
(二)曼哈頓距離 (Manhattan distance)
(三)明氏距離 (Minkowski distance)
KNN的優點:
1.易理解
2.用途廣
KNN的缺點：
1.計算量大
2.樣本數不平均時，易產生誤差
iThome鐵人賽
看影片追技術