（2） K-Nearest Neighbors

K-Nearest Neighbors（KNN）是一种监督学习算法，常用于分类和回归任务。该算法通过计算待分类样本与训练集中所有样本的距离，选取距离最近的 K 个样本作为最近邻。对于分类问题，KNN会将最近邻中出现次数最多的类别赋给待分类样本；对于回归问题，KNN会将最近邻的数值类型特征的平均值赋给待分类样本。KNN算法的优点是模型简单易懂，可以用于多分类问题，具有较好的泛化能力。但是对于大规模数据集，KNN计算复杂度较高，需要考虑优化算法的效率。