k近邻算法的介绍 k近邻算法是一种基本的分类和回归方法，这里只实现分类的k近邻算法。 k近邻算法的输入为实例的特征向量，对应特征空间的点；输出为实例的类别，可以取多类。 k近邻算法不具有显式的学习过程，实际上k近邻算法是利用训练数据集对特征向量空间进行划分。将划分的空间模型作为其分类模型。 k近邻算法的三要素 k值的选择：即分类决策时选择k个最近邻实例； 距离度量：即预测实例点和训练实例点间的距离，一般使用L2距离即欧氏距离； 分类决策规则。 下面对三要素进行一下说明：