k近邻法（k-nearest neighbor， K-NN）

• 算法：

算法：

$\qquad$ 输入：训练数据集$T=\{(x_1,y_1),(x_2,y_2),\ldots,(x_N,y_N)\}$

其中，$x_i\in \Bbb R^n$为实例的特征向量，$y_i \in \{c_1,c_2,\ldots,c_K\}$为实例的类别，$i=1,2,\ldots,N;$ 实例特征向量$x;$

$\qquad$ 输出：$x$ 所属的类 $y$ .

$\qquad$ (1)根据给定的距离度量，在训练集$T$中找出与$x$最近邻的$k$个点，涵盖这$k$个点的$x$的领域记作 $N_k(x)$ ;

$\qquad$ (2)在 $N_k(x)$ 中根据分类决策规则（如多数表决）决定 $x$ 的类别 $y$ ：