knn是鄰近算法，或者說K最鄰近分類算法，全稱為K-NearestNeighbor，是數(shù)據(jù)挖掘分類技術(shù)中最簡單的方法之一。所謂K最近鄰，是K個(gè)最近的鄰居的意思，說的是每個(gè)樣本都可以用最接近的K個(gè)鄰近值來代表。近鄰算法是將數(shù)據(jù)集合中每一個(gè)記錄進(jìn)行分類的方法。 knn算法的核心思想：如果一個(gè)樣本在特征空間中的K個(gè)最相鄰的樣本中的大多數(shù)屬于某一個(gè)類別，則該樣本也屬于這個(gè)類別，并具有這個(gè)類別上樣本的特性。該方法在確定分類決策上只依據(jù)最鄰近的一個(gè)或者幾個(gè)樣本的類別來決定待分樣本所屬的類別。KNN方法在類別決策時(shí)，只與極少量的相鄰樣本有關(guān)。由于KNN方法主要靠周圍有限的鄰近的樣本，而不是靠判別類域的方法來確定所屬類別的，因此對于類域的交叉或重疊較多的待分樣本集來說，KNN方法較其他方法更為適合。