基本分类与回归方法
输入：实例的特征向量（x1,x2,…,xn），对应于特征空间的点
输出：实例的类别，可以取多类

1. 数据集中的实例类别已定
2. 分类时，对新的实例，根据前k个最近邻的训练实例的类别，通过多数表决等方式进行预测。
3. k近邻法不具有显示的学习过程

对于第2点，我的理解是：当需要多一个新的实例进行分类时，在训练集中选择前k个与新的实例最近的点，这k个实例中（比如k=10）,有5个实例属于A类，3个实例属于B类，2个实例属于C类，则新的实例就被分为A类。

对于第3点，我的理解是：k值确定，距离度量和分类决策规则确定，则训练集的划分就被确定，并没有学习的过程。