欢迎来到社区 Martan！

如果我很好地理解了你的问题，你有一组模式（你称之为想法条件）和一组查询点（样本），你想根据它们与模式的亲和力/相似性/接近度来确定（预测）它们的标签.

如果它是正确的，那么K-Nearest Neighbor 算法就是您正在寻找的。请注意，在高维欧几里得距离是扭曲的，但 8 维是可以的。

希望它有所帮助，如果我不太了解，请在此处发表评论，以便我更新我的答案。祝你好运！

更新

您在评论中提到的关于 KNN 培训的内容是正确的。让我澄清一下。

1. 分类为监督学习过程：这意味着您已经有了一些数据及其类。所以你可以根据所有这些标签来划分你的空间。下图显示了不同类别的划分（我不是特别擅长 MS 油漆的最佳画家：D）。有了这个，一个新的点落入这些分区之一，所以你可以确定它的标签。如您所说，构建这样的分区是在训练过程中完成的。

2. 最近邻搜索：但是这种方法不是很自然吗？你真的不需要知道机器学习来执行这样的算法，事实上你在日常生活中使用了 KNN（今天你看到你的朋友和他的一些同事和一个你不认识的新人，你立刻认为他可能是一个同事。前几天你看到你的朋友和他的家人和一个你不认识的人，你猜他很可能是一个亲戚。这在概念上是 KNN！）。在您的示例中，您不需要学习如何划分空间，因为您已经拥有具有固定位置的预定义标签（我们进行培训以找出这一点。您已经拥有它，所以继续！）。现在您可以进行最近邻搜索并说出一个点属于哪个类。