过程：
- 计算两点之间的d
- 对距离排序
- 选择前K个
- 决定类别，因为本身有标签了，
参数1
k: 太小 具有偶偶然性
k: 太大其他距离比较远，难获得有效信息
注意点
- 使用zscore or min-max统一量纲
- 具有足够的样本，比如K=3 应该有15个样本
- 如果是填充，缺失值比例不能过高
- 注意离群点，会影响归一化和距离的计算
- 因为gene 代谢维度比较高 因此需要提前筛选变量
- 注意类别平衡
- 选择合适的K
- 划分训练集和测试集
KNN填充
- KNN: 缺失值小于20%
- 注意如果是非随机填充 会引入系统偏差，比如高收入人群不填收入 你如果使用低收入人群填充
KNN 填充的过程（以 K=2 为例）
第一步：找到“相似”的样本
第二步：选出最近的 K=2 个邻居
- 最近的是 S3 和 S2
第三步：用这两个样本的 Metabolite_C 均值填充
- S3 的 Metabolite_C = 2.7
- S2 的 Metabolite_C = 2.5
填充值 = (2.7 + 2.5) / 2 = 2.6
所以最终 S1 的 Metabolite_C 被填为 2.6
impute包的imput.knn函数；rowmax和colmax是控制的导入数据中行或者列含有缺失值的比例，比如rowmax=0.5是指当某行的数据缺失值占的比例超过了50%，那么这些缺失值就会用整个样本的均值去填充，而不是我们上面提到的根据K个邻居来填充了；colmax=0.8是指任何一列的数据中当缺失值的比例超过了80%，那么计算就会停止并会报出错误。
KNN（K-Nearest Neighbors）填充方法适合处理 MCAR（完全随机缺失）和 MAR（条件随机缺失）这两种缺失机制，但不适合处理 MNAR（非随机缺失）。
-
MCAR（完全随机缺失, Missing Completely at Random）：
- 数据缺失是完全随机的，与任何观察到或未观察到的变量无关。
- 由于缺失的数据与其他变量没有关联，KNN 填充可以比较有效地使用观测到的邻近样本来预测缺失值，因此 KNN 填充适合于 MCAR。
-
MAR（条件随机缺失, Missing at Random）：
- 数据缺失与观察到的变量有关，但与缺失值本身无关。（MAR，依赖于其他观测变量，如时间梯度越长采集越可能出现缺失值）
- 在这种情况下，KNN 填充可以利用观测到的其他变量的信息，通过最近邻样本的相似性来估计缺失值，所以 KNN 填充也适合于 MAR 情况。
-
MNAR（非随机缺失, Missing Not at Random）：
- 缺失的数据与其本身有关，即缺失的机制与数据本身的分布相关联。 （MNAR，依赖观测变量自身，如某些蛋白含量在仪器检测限以下）
- 由于缺失数据的模式与其本身存在关联，KNN 填充在这种情况下不适用，因为它无法推断出数据的缺失机制，而这种机制对MNAR来说至关重要。因此，KNN 填充不适合 MNAR 情况。