简单说，此算法采用测量不同特征值之间的距离进行分类；
优点：精度高、对异常值不敏感、无数据输入假定
缺点：计算复杂度高、空间复杂度高
使用范围：数值型和标称型
工作原理：存在一个训练样本集，我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据，将心数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征醉相似数据的分类标签。 一般，我们只选择样本数据集中前K个最相似的出处。最后选择k个醉相思数据中出现次数最多的分类，作为新数据的分类。
一般流程：
1）收集数据
2）准备数据
3）分析数据
4）训练算法 （此步骤不适用于k-近邻算法）
5）测试算法
6）使用算法