鉴于您的问题的上下文，我假设您指的是 k-NN 分类器。分类方法的思想是你有一组特征向量$f_i$， 一般来说，$f_i \in \mathbb{R}^d$ 在哪里$d$是向量的维数。另外你有一堂课$c_i$对于每个$f_i$. 对看不见的特征向量进行分类$f_j$你选择$k$最近的邻居（在某个距离下，通常是欧几里得距离），邻居中最常见的类别是您的预测。

所以，总而言之，算法的输入是特征向量$f_i$和班级$c_i$. 有关该算法的更多信息，请参阅此维基百科链接。

下面的图像（来自维基百科）说明了一个典型的例子，在这个例子中，类是：红色三角形，蓝色正方形，要预测的点是绿色圆圈。每个特征向量都是一个二维点，即$f_i, f_j \in \mathbb{R}^2$. 在这种情况下，预测的类将是红色三角形。

有关同时使用 Python 和 R 的解释，请参阅此。

除了 feynman410 的回答：

类是分类器想要预测的属性。例如，假设您想预测一个物体的颜色，结果该物体可以是红色、蓝色、紫色、绿色和黄色。然后每组具有相同颜色的对象形成一个类。现在为了预测对象的类别（在这种情况下是颜色），您的算法需要一些已经知道它们的属性和类别（颜色）的对象。因此还有“分类器”一词，意思是预测某物的类别。