KNN分类算法（K最近邻分类算法）是一种最简单的分类算法。简单来说，就是根据你的邻居来推断你的类别。
应用场景：

• 创建分类系统
• 特征抽取
• 预测数值（预测股价、预测用户对某部电影的喜欢程度）

下面直接举例说明算法思想：
目前很多人的手机上都会装一款APP，名字叫抖音。那么你在每次刷抖音的时候，有没有发现你刷到的（抖音推荐的）大部分视频都基本是你喜欢看的，那么这是为什么呢？或许在这里你会找到一点点答案。假设你创建了一个视频推荐系统，我们将所有的用户都放在一个图表中：

这些用户在图标中的位置取决于每个人的喜好，因此喜好相似的人离的越近。假设小华正在刷抖音，那么就可以找出离小华最近的四个人，我们根据这四个人的点赞纪录就猜测小芳、小李、小赵、小英喜欢的小华可能也喜欢。所以有了这张图表之后，我们的视频推荐系统就变得很简单，只要是小芳喜欢的就都推荐给小华。那么我们就想到另外一个问题，我们如何确定两个用户的相似程度呢？那就用到特征抽取。
特征抽取如何确定相似度？
假设有三个水果，我们根据大小和颜色来猜测他们分别最像什么水果，我们就可以抽取特征。这里我们抽取的特征就是大小和颜色。

上面我们将不同水果的特征都进行标号处理，下面开始绘制特征图：

由上图可知：水果A和水果B长得像一点，因为它俩在图标中看着最近。下面我们就需要计算一下它俩到底有多相似，其实很简单。上高中时我们学过一个公式，就是在坐标系中计算两点之间的距离公式，我们一起来回忆一下：

惊不惊喜，意不意外，就是这么简单。
通过计算之后，我们发现A和B确实很像，因此，如果有多个比较对象，我们就可以将每个比较对象都转换成一个坐标，如（1,2）（2,1）（3,3）等，三维、思维、多维都是同样的道理，这个公式都无敌，那么请记住这个公式的名字“毕达哥斯拉公式”。
总结一下
KNN是最简单的机器学习算法，虽然简单但是却相当实用，这样看来，这个算法并不难，希望大家通过这篇文章能有个初步的认识。

参考书籍：《图解算法》