اجازه بدهید به یک طبقه بند دیگر که مبتنی بر همسایه است بپردازیم. این طبقه بند، مانند KNN عمل میکند، با این تفاوت که برای هر نمونه جدید، به جای پیدا کردن Kهمسایه نزدیک، در یک شعاع خاص به دنبال همسایه میگردد و نوع اکثریت همسایه ها، طبقه یا همان کلاس نهایی را مشخص می کند. تصویر زیر را نگاه کنید:
فرض کنید! دایره بنفش، یک دایره مثلا به شعاع ۲ است. الگوریتم Radius Neighbor Classifier در این شعاع به دنبال نمونه ها (گل های زنبق) میگردد و همسایه ها را جهت انتخاب پیدا میکند. نوع اکثریت، طبقه یا کلاس نهایی می شود. در بالا، چون Versicolor (نقاط قرمز رنگ) ۳بار و Setosa (نقاط سیاه رنگ) ۲بار در دایره به شعاع مشخص پیدا شد، نوع این گل Versicolor طبقه‌بندی می شود. از این طبقه بند، حتی میتوان در تشخیص outlier (داده پرت) هم استفاده کرد. به این صورت که اگر در شعاع مشخص، هیچ همسایه ای پیدا نشد، احتمالا این نمونه یک نمونه پرت است که به هیچ طبقه ای تعلق ندارد.