K最近邻(k-Nearest Neighbor，KNN)分类算法
1、定义：如果一个样本在特征空间中的k个最近似（即特征空间中最临近）的样本中大多数属于某一类别，则该样本也属于这个类别。
2、计算公式：
；
3、K-近邻算法需要做标准化处理；
4、K-近邻算法API
5、优点：
1）简单、无需参数处理、无需训练
6、缺点：
1）懒惰算法，对测试样本分类时的计算量大，内存开销大；
2）必须指定k值，k值的选择不当则分类精度不能保证；
7、使用场景：小数据量，几千~几万个样本。
8、加快搜索速度——基于算法的改进KDTree。