基礎的機器學習算法
KNN算法（K-Nearest Neighbors）是一種基礎的機器學習算法，主要用於分類和回歸問題。
KNN算法的核心思想是基於一個樣本與其最近的K個鄰居的類別來決定其類別。在分類任務中，對於一個新的數據點，KNN會找到訓練集中距離該點最近的K個鄰居，然後根據這K個鄰居的類別進行投票，最可能的類別被分配給新的數據點。在回歸任務中，KNN可以通過取鄰居的平均值或加權平均值來進行預測。
KNN算法的特點包括其簡單性和基於實例的學習方式。它不需要複雜的訓練過程，而是直接使用訓練數據來確定新樣本的類別或值。然而，KNN也有一些缺點，如計算成本較高（特別是當處理高維數據時），以及對K值的選擇敏感。