k-NN（k近邻）

k-NN算法无需显式训练过程，属于懒惰学习，其核心是距离度量（如欧氏距离、曼哈顿距离）和k值选择。对于分类任务，采用多数投票；对于回归任务，取邻居均值。k值过小易受噪声影响，过大则可能欠拟合，通常通过交叉验证选择。该算法简单直观，但计算复杂度高，且对特征缩放敏感。改进方法包括加权k-NN、KD树加速等，广泛应用于文本分类、人脸识别等领域。