一、KNN算法（k-NearestNeighbor)，k临近值算法：在给出一个数据点以后，判断它和已有数据点之间的距离，取k个距离最近的点，这些点中存在的那一类点最多就讲这个新的数据点归位那一类。
• 容易存在的问题：
1.、k 值过小，容易出现过拟合问题，结果就是在训练集上准确度很高，但是在测试集上就很低。
2、特征的比重失衡。在计算样本点之间的距离时，如果不同的维度存在数量级差异，就会导致某些特征所起到的作用（对距离的影响）过大或过小。所以要进行归一化处理来避免这种问题的出现。
• 距离的度量：欧式距离、曼哈顿距离、取最大值等等
二、k-d(K-demension tree)树：将空间划分为特定的几个部分，在特定的部分内进行相关搜索。
原文：https://www.cnblogs.com/yyf2019/p/11578878.html