Intuisi mendasari terdekat Tetangga Klasifikasi cukup mudah , contoh diklasifikasikan

berdasarkan kelas dari tetangga terdekat mereka . itu

sering berguna untuk mengambil lebih dari satu tetangga ke rekening sehingga teknik ini
lebih sering disebut sebagai k -Nearest Neighbour ( k - NN ) Klasifikasi mana
k tetangga terdekat yang digunakan dalam menentukan kelas . Karena contoh-contoh
pelatihan yang diperlukan pada saat run -time , yaitu mereka harus berada di memori pada
saat run -time ,
kadang-kadang juga disebut Klasifikasi Memory Berbasis . Karena induksi adalah
tertunda untuk menjalankan waktu , itu dianggap sebagai teknik Malas Belajar . Karena
klasifikasi didasarkan langsung pada contoh pelatihan itu juga disebut Contoh Berbasis
Klasifikasi atau Klasifikasi Case - Based .
Ide dasar seperti yang ditunjukkan pada Gambar 1 yang menggambarkan Neighbour 3 Nearest
Classifier pada masalah dua kelas dalam ruang fitur dua dimensi . dalam hal ini
Misalnya keputusan untuk q
1 adalah mudah - tiga negara tetangga terdekat
adalah kelas O sehingga diklasifikasikan sebagai O. Situasi untuk q
2
sedikit lebih
rumit dalam hal itu memiliki dua tetangga kelas X dan satu kelas O. Hal ini dapat
diselesaikan dengan voting mayoritas sederhana atau dengan jarak voting tertimbang ( lihat di
bawah ) .
Jadi klasifikasi k - NN memiliki dua tahap ; yang pertama adalah penentuan
tetangga terdekat dan yang kedua adalah penentuan kelas menggunakan orang-orang
tetangga .