“最近邻元素分析”是根据观测值与其他观测值的类似程度分类观测值的方法。 在机器学习中，将其开发为识别数据模式的一种方法，而不需要与任何存储模式或观测值完全匹配。 类似观测值相互靠近，而不同观测值相互远离。 因此，两个观测值之间的距离是其不相似性的测量。

将靠近彼此的观测值视为“相邻元素”。 当提出新的观测值（holdout 观测值）时，计算其到模型中每个观测值的距离。 计算最相似观测值（最近邻元素）的分类，并将新观测值放在包含最多最近邻元素的类别中。

您可以指定要检查的最近邻元素数目，该值称为 k。 这些图显示了如何使用两个不同的 k 值对新案例进行分类。 当 k = 5 时，新案例将放在类别 1 中，因为大多数最近邻元素都属于类别 1。 但当 k = 9 时，新观测值将放在类别 0 中，因为大多数最近邻元素都属于类别 0。

最近邻元素分析也可用于计算连续目标的值。 在此情况下，最近邻元素的平均值或中间目标值用于获得新观测值的预测值。