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 .