K-nearest neighbors (KNN) är en enkel algoritm för att lösa klassificerings- och regressionsproblem. I KNN-algoritmen klassificeras ett nytt datapunkt genom att hitta de k närmaste datapunkterna i träningsdatamängden och bestämma klassificeringen av det nya datapunkten baserat på majoriteten av de närmaste punkterna. Antalet k bestäms oftast av användaren och måste väljas noggrant för att undvika över- eller underanpassning.
Ett exempel på användning av KNN kan vara att identifiera ett objekt i en bild. En träningsdatamängd med bilder och objektidentifieringar kan användas för att träna KNN-modellen. Sedan kan modellen användas för att identifiera objekt i nya bilder genom att hitta de k närmaste bilderna i träningsdatamängden med liknande objektidentifieringar.