KNN算法：1000个样本，10个特征，如何判断新样本类别？

要确定新样本所属的类别，需要用KNN算法。步骤如下：

1. 计算新样本和数据集中每个样本的距离，可以使用欧氏距离进行计算。

2. 选取距离新样本最近的K个样本，这里K=5。

3. 统计这K个样本所属的类别，选择出现次数最多的类别作为新样本所属的类别。

假设计算出来的距离为d1, d2, ..., d1000，则选取距离最近的5个样本为第i1, i2, ..., i5个样本，它们所属的类别分别为c1, c2, ..., c5。统计出现次数最多的类别，即可确定新样本所属的类别。

需要注意的是，如果距离最近的样本中出现了多个类别出现次数一样多的情况，需要根据一定的规则进行处理，例如随机选择一个类别。