k近邻的理解

k近邻算法的另一种理解：

已知的所有训练集将整个样本空间进行了特征转换：

任意一个数据点xi经过特征转换为一个k维向量： [yi1,yi2,yi3,....yik]

yi1 是 离xi最近的点的坐标，yi2 是 离xi第二近的点的坐标，....，yik是离xi第k近的点的坐标。

进行完特征转换后，采用majority vote算法进行预测。