KNN برای پیش‌بینی نمونه جدید، نزدیک‌ترین نمونه‌های آموزشی را بر اساس معیار فاصله پیدا می‌کند. در طبقه‌بندی، کلاس پرتکرار همسایه‌ها و در رگرسیون میانگین مقدار آن‌ها انتخاب می‌شود.
پیش‌بینی روی داده بزرگ می‌تواند کند باشد. مقیاس ویژگی‌ها و مقدار K بر نتیجه اثر می‌گذارند، بنابراین نرمال‌سازی اغلب اهمیت دارد.
در KNN اگر K برابر ۵ باشد، کلاس پنج نمونه نزدیک بررسی می‌شود. سنجش فاصله بدون مقیاس‌بندی ویژگی‌ها ممکن است نتیجه را منحرف کند.