k-nearest buur is een lazy learning algoritme dat alle instanties opslaat die overeenkomen met trainingsgegevenspunten in n-dimensionale ruimte. Wanneer een onbekende discrete gegevens wordt ontvangen, analyseert het het dichtstbijzijnde k aantal opgeslagen gevallen (dichtstbijzijnde buren) en geeft de meest voorkomende klasse als de voorspelling en voor real-gewaardeerde gegevens geeft het het gemiddelde van k dichtstbijzijnde buren.
in het distance-weighted nearest neighbor algoritme weegt het de bijdrage van elk van de k-buren op basis van hun afstand met behulp van de volgende query die meer gewicht geeft aan de dichtstbijzijnde buren.
Distance calculating query
Usually KNN is robust to noisy data since it is averaging the k-nearest neighbors.