在k-NN分类中，输出是一个类别成员。一个对象通过其邻居的多数投票来分类，并被分配到其k个最近邻居中最常见的类别（k是一个正整数，通常较小）。

1. 如果k=1，那么对象会被简单地分配到那个单一最近邻居的类别中。
2. 如果k=3，并且类别标签是Good=2 Bad=1，那么预测的类别标签将是Good，因为它包含多数票。
3. 如果k=4，并且类别标签是Good=2 Bad=2，那么类别标签将会是什么？

回答：

有不同的方法。例如，Matlab使用’random’或’nearest’，如这里所记录的。

当分类到两个以上的组或使用偶数值的k时，可能需要打破最近邻居数量的平局。选项有’random’，它选择一个随机的平局破坏者，以及’nearest’，它使用平局组中最近的邻居来打破平局。