德尔菲法是一种基于余弦定理的最近邻算法，它可以通过类比新实例的欧氏距离（通常衡量两个实例之间的距离）来判断拟合形状并识别新实例的类型。在德尔菲法中，类似度是使用余弦定理来计算的，这意味着如果两个实例的向量不完全一致，它仍然可以用角度来衡量它们之间的类似程度。当新实例插入系统时，系统会把它与已有实例进行比较，通过比较最相似的实例，它可以把新实例分配给一个类。
德尔菲法最初用于语言识别，但它也可以应用于其他类型的任务，如手写识别、图像识别、语义分析和文本分类。它具有准确性高，处理数据量小，运行效率高和可扩展性强等优点，因此成为一种强大的机器学习算法。
除了计算实例之间的欧氏距离，德尔菲法还可以使用其他距离度量标准，如杰卡德距离和曼哈顿距离，以提高精确度。
拓展知识：在德尔菲技术中，每个数据点都有一个邻居，这些邻居的原则是最小距离，即与实例最接近的类。这些邻居的选择可以根据距离指标来完成，例如欧几里得距离、杰卡德距离和曼哈顿距离等。