KNN算法也称为K近邻算法，是一个非常简单的分类算法。
原理：为了判断未知样本所属的类别，以所有已知的类别的实例作为参照，计算未知样本与所有已知样本的距离，并从中选择未知样本与已知样本的距离最近的K个实例样本，根据少数服从多数的投票原则，让未知实例归类为K个最邻近样本中最多数的类别。（一般采用的是欧式距离计算方法）
算法缺点：
1.算法复杂度较高（需要比较所有已知实例与要分类的实例）
2.当其样本分布不平衡时，比如其中一类样本过大（实例数量 过多）占主导的时候，新的未知实例容易被归类为这个主导 样本，因为这类样本实例的数量过大，但这个新的未知实例 实际并没有接近目标样本
3.处理不了高维数据
