KNN 算法：监督学习还是无监督学习？

KNN 算法是一种监督学习算法。

KNN（K-最近邻）算法是一种简单的机器学习算法，它通过计算数据点之间的距离来预测新的数据点的类别。该算法的工作原理是将新数据点与训练数据集中最相似的 K 个数据点进行比较，并根据这些最相似数据点的类别来预测新数据点的类别。

KNN 算法属于监督学习的原因是它需要一个带标签的训练数据集。这意味着训练数据集中每个数据点都与一个已知的类别相关联。通过学习这些带标签的数据，KNN 算法可以预测新数据点的类别。

与无监督学习算法不同，无监督学习算法不需要带标签的训练数据。相反，它们的目标是发现数据中的模式和结构。

总结来说，KNN 算法是一种监督学习算法，因为它需要带标签的训练数据才能预测新数据点的类别。