邻域大小增大到一定程度，增大邻域分类真确率反而下降

这种情况可能是由于过大的邻域会包含太多不相关的数据，从而导致分类器的性能下降。随着邻域大小的增加，模型会逐渐失去对局部特征的感知，而对全局特征进行分类，这可能会导致模型过度拟合数据，从而导致在测试集上的性能下降。因此，选择合适的邻域大小是非常重要的，需要根据具体的数据集和分类问题进行调整。通常情况下，邻域大小应该越小越好，但也需要考虑到分类问题的复杂度和数据集的规模等因素。