Algoritmo K-Nearest Neighbors (KNN) é método baseado em classificação que calcula distância entre amostra inserida em espaço multidimensional e seus vizinhos mais próximos. É um dos algoritmos mais fáceis de compreender realizando agrupamentos tentando identificar em qual deles dado inserido deve fazer parte. Algoritmo realiza seguinte sequência: calcular distâncias entre amostras já presentes e dado de teste, separar K amostras mais próximas do dado de teste, verificar a quais classes pertencem dados das K amostras mais próximas, contar e obter classe com maior frequência de ocorrências atribuindo esta classe ao dado teste. Cálculo da distância entre vizinho é dado pela equação da distância entre dois pontos no espaço dimensional, sendo D = sqrt(dx² + dy²) para duas dimensões, onde dx² é distância horizontal e dy² é distância vertical. KNN é do tipo não supervisionado tendo apenas variáveis independentes e nenhuma variável de destino conhecida previamente, sendo usado para descobrir padrões e categorizar dados conforme similaridade espacial. Principais aplicações incluem sistemas de recomendação, reconhecimento de padrões e classificação de dados em diferentes categorias baseando-se em proximidade espacial das amostras. Caracterize como algoritmo KNN determina a qual classe um novo dado de teste deve ser atribuído durante processo de classificação. Selecione uma alternativa: a) KNN atribui dado de teste à classe com menor distância média calculada entre todos pontos existentes no espaço amostral. b) KNN atribui dado de teste à primeira classe encontrada após ordenar todas distâncias em ordem crescente no espaço. c) KNN atribui dado de teste à classe determinada por função probabilística bayesiana aplicada sobre vizinhos próximos. d) KNN atribui dado de teste à classe central do espaço amostral calculada por média aritmética das coordenadas existentes. e) KNN atribui dado de teste à classe com maior frequência de ocorrências entre K vizinhos mais próximos calculados.