B 正确：这是KNN在工业界大规模实时应用中的最大死穴。逻辑回归或神经网络在推理时只需计算 W ⋅X + b，是一次矩阵乘法，速度极快且与训练集大小无关。而KNN在推理时必须携带整个训练集（或其索引），计算量与数据量 N 成正比。对于500万数据、200维特征，单次预测的计算量是灾难级的。
A 错误：KNN其实具有较好的“基于实例的解释性”（Instance-based explanation），可以说“因为现在的行情像历史上这几次行情”。
C 错误：KNN是非线性模型，拟合能力通常强于线性的逻辑回归。
D 错误：虽然KNN假设IID，但通过滑动窗口构建特征后（Time Delay Embedding），KNN完全可以用于时间序列预测。
