K-최근접 이웃 편집하기 (부분)

==주요 특징==

*'''비모수적(non-parametric)''': kNN은 데이터에 대해 특정 함수 형태를 가정하지 않는다. 이는 여러 유형의 데이터에 대해 유연하게 적용할 수 있어 강력한 이점을 제공하지만, 반대로 데이터에 지나치게 적합되는 '''과적합(overfitting)''' 문제를 일으킬 수 있다.
*'''훈련 과정이 없음''': kNN은 사전 학습(training) 단계가 없다. 즉, 모델이 학습되지 않으며, 예측할 때 직접 계산을 수행한다. 이러한 특성 때문에 '''게으른 학습(lazy learning)''' 또는 '''인스턴스 기반 학습(instance-based learning)''' 알고리즘으로도 불린다.
*'''예측 시 느림''': 훈련된 모델을 미리 저장하지 않기 때문에 예측 단계에서 모든 데이터를 참고해야 하며, 특히 데이터셋이 클수록 많은 시간이 소요된다. 이는 예측이 빠른 다른 알고리즘에 비해 단점으로 작용할 수 있다.
*'''널리 사용됨''': 직관적이고 이해하기 쉬운 알고리즘으로, 다양한 분류와 회귀 문제에 활용된다.