k近邻法(k-nearest neighbor, k-NN)

算法：

输入：训练数据集 T={(x1,y1),(x2,y2),…,(xN,yN)}
其中， xi∈Rn 为实例的特征向量， yi∈{c1,c2,…,cK} 为实例的类别， i=1,2,…,N; 实例特征向量 x;
输出： x 所属的类 y .
(1)根据给定的距离度量，在训练集 T 中找出与 x 最近邻的 k 个点，涵盖这
k 个点的 x 的领域记作 Nk(x) ;
(2)在 Nk(x) 中根据分类决策规则（如多数表决）决定 x 的类别 y ：

y=argmaxcj∑xi∈Nk(x)I(yi=cj),i=1,2,…,N;j=1,2…,K