La presión arterial (PA) es un parámetro importante para la detección temprana de enfermedades cardíacas porque está asociada con síntomas de hipertensión o hipotensión. Un único método de fotopletismografía (PPG) para la clasificación de la PA puede analizar automáticamente los síntomas de la PA. Los usuarios pueden conocer de inmediato el estado de su PA para asegurar una detección temprana. En los últimos años, los métodos de aprendizaje profundo han mostrado un rendimiento sobresaliente en aplicaciones de clasificación. Sin embargo, hay dos problemas principales en los métodos de clasificación de aprendizaje profundo: la precisión de clasificación y el tiempo de consumo durante el entrenamiento. Intentamos abordar estas limitaciones y proponemos un método para la clasificación de la PA utilizando el algoritmo de K-vecinos más cercanos (KNN) basado en PPG. Recopilamos datos de 121 sujetos de la base de datos PPG-BP figshare. Dividimos a los sujetos en tres niveles de clasificación, a saber, normotensión, prehipertensión e hipertensión, de acuerdo con los niveles de PA del informe del Comité Nacional Conjunto. Las puntuaciones F1 de estos tres ensayos de clasificación fueron del 100%, 100% y 90.80%, respectivamente. Por lo tanto, se valida que el método propuesto puede lograr una mayor precisión de clasificación sin un preprocesamiento manual adicional de PPG. Nuestro método propuesto logra una mayor precisión que las redes neuronales convolucionales (aprendizaje profundo), el árbol de bolsa, la regresión logística y el árbol AdaBoost.