源于某学术论文。
wiki介绍：在模式识别领域中，最近邻居法（KNN算法，又译K-近邻算法）是一种用于分类和回归的无母数统计方法。这两种情况下，输入包含特征空间中的k个最接近的训练样本。
KNN分类中，输出是一行分类族群，一个对象的分类由其邻居的"多数表决"确定。KNN回归中，输出是该对象的属性值。该值是其k个最近邻居的平均值。KNN采用向量空间模型来分类，可借计算与已知类别案列之相似度，评估未知类别案例可能的分类。
衡量邻居的权重，使较近邻居权重比较远邻居权重大。加权方案：给每个邻居权重赋值1 / d（d邻居的距离）
如图：测试样本（绿色圆形）应归入要么是第一类的蓝色方形或是第二类的红色三角形。如果k=3（实线圆圈）它被分配给第二类，因为有2个三角形和只有1个正方形在内侧圆圈之内。如果k=5（虚线圆圈）它被分配到第一类（3个正方形与2个三角形在外侧圆圈之内）
