对于KNN（K-Nearest Neighbors，K最近邻）算法，当K值=1时，正确答案是A：输出离测试点最近的点的类别。

### 专业分析：

1. **KNN算法简介**：
- KNN是一种基本的分类和回归方法，其主要思想是选择距离测试样本最近的K个样本，根据这K个样本所属的类别，通过多数表决等方式决定测试样本的类别。

2. **K值的选择**：
- K值表示选择的邻居数量。当K=1时，表示选择距离测试点最近的一个样本。测试点的类别将与这个最近邻的样本类别相同。

3. **选项分析**：
- **A**: 正确。因为当K=1时，算法简单地选择离测试点最近的一个样本，直接输出该样本的类别。
- **B**: 错误。K=1时，只考虑离测试点最近的一个点的类别，而不是整个数据集中最多的类别。
- **C**: 错误。KNN算法选择的是靠近测试点的邻居，而不是最远的。
- **D**: 错误。在KNN中，K可以等于1。虽然不同的K值会影响分类效果，但K=1是被允许的选择。

### 实例说明：

假设有如下二维平面上的点，属于两类：
- 类别1： 点(A)、点(B)
- 类别2： 点(C)、点(D)

若测试点(T)在平面上，其位置更接近类别1的点(A)。当K=1时，KNN算法会选择离T最近的点(A)的类别，故输出类别1。

### 表格示例如下：

| 测试点(T) | 距离最近的点 | 该点类别 | KNN输出类别 |
|-----------|--------------|----------|-------------|
| T | A | 类别1 | 类别1 |

因此，选择K=1时，最近的一个点的类别直接决定了测试点的类别。