최근접 이웃 분석은 다른 케이스와의 유사성에 따라 케이스를 분류하는 방법입니다. 머신 러닝에서는 저장된 패턴이나 케이스에 정확히 일치하지 않아도 데이터 패턴을 인식하는 방법으로 개발되었습니다. 유사한 케이스는 서로 근접해 있고 상이한 케이스는 서로 떨어져 있습니다. 따라서 두 케이스 간 거리는 상이성의 측도입니다.

서로 인접한 케이스를 "이웃"이라고 합니다. 새 케이스(검증)가 표시되면 모델의 각 케이스로부터의 거리가 계산됩니다. 가장 유사한 케이스(최근접 항목)의 분류가 집계되고 새 케이스는 가장 많은 수의 최근접 항목을 포함하는 카테고리에 배치됩니다.

조사할 최근접 항목의 수를 지정할 수 있습니다. 이 값은 k입니다. 그림은 두 개의 서로 다른 k 값을 사용하여 새 케이스를 분류하는 방법을 보여줍니다. k = 5인 경우 대부분의 최근접 이웃이 범주 1에 속하므로 새 케이스가 범주 1 에 배치됩니다. 그러나, k = 9인 경우 가장 가까운 이웃의 대부분이 카테고리 0에 속하기 때문에 새 케이스는 카테고리 0에 배치됩니다.

최근접 이웃 분석을 사용하여 연속형 대상의 값을 계산할 수도 있습니다. 이 경우 최근접 항목의 평균 또는 중앙값 대상 값을 사용하여 새 케이스의 예측값을 얻습니다.