کلاسهبند Knn، یک الگوریتم کلاسهبندی تنبل[1] یا مبتنی بر نمونه[2] است. بر خلاف سایر الگوریتمهای کلاسهبندی ها، این الگوریتم هیچ مرحله آموزشی[3] نداشته و نمونههای آموزشی را تا وارد شدن نمونه تست، در حافظه ذخیره میکند. سپس نزدیکترین نمونه آموزشی به نمونه ورودی تست بر اساس معیارهایی جستجو می شود، و برچسب کلاس آن نمونه آموزشی را به نمونه تست اختصاص مییابد. در اغلب موارد از فاصله اقلیدسی برای محاسبه فاصله نمونه های آموزشی از نمونه تست در این الگوریتم استفاده میشود. پارامتر در این الگوریتم که تعداد نزدیکترین همسایه را مشخص میکند، معمولاً یک در نظر گرفته میشود.
[1] Lazy
[2] Instance-based
[3] Training phase