Die K-Neighbors-Klassifizierung gehört zu den
einfachsten und dennoch robustesten Machine-Learning-Algorithmen. Er wird
häufig als Vergleichsmaßstab für komplexere Algorithmen, wie z. B. neuronale
Netze herangezogen. Der KNN kann die Bezeichnung eines neuen Punktes auf der
Grundlage der Bezeichnung seiner Nachbarn voraussagen. Dies beruht auf der
Annahme, dass ähnliche Datenpunkte näher beieinander liegen. Das K stellt
hierbei die Variable dar, die die Anzahl der hierfür betrachteten Nachbarn
enthält.