KNN算法的描述：
（1）计算测试数据与各个训练数据之间的距离；
（2）按照距离的递增关系进行排序；
（3）选取距离最小的K个点；
（4）确定前K个点所在类别的出现频率
(5）返回前K个点中出现频率最高的类别作为测试数据的预测分类。
算法优点：
（1）简单，易于理解，易于实现，
1、KNN可以处理分类问题，同时天然可以处理多分类问题，比如鸢尾花的分类，KNN还可以处理回归问题，也就是预测
准确度高，对异常值不是很敏感
**算法缺点：
1、效率低，因为每一次分类或者回归，都要把训练数据和测试数据都算一遍，如果数据量很大的话，需要的算力会很惊人
KNN对于多维度的数据处理也不是很好，看似相近的两个点之间，距离越来越大
