k-nächste Nachbarn

Übungsaufgaben zum Klassifizieren mit Trenngeraden, kNN und Entscheidungsbäumen

Zwei Übungsaufgaben: Du bestimmst in einer Fahrradwerkstatt aus zwei Stützpunkten eine Trenngerade für E-Bike-Akkus, findest den Fehler in einer Python-Funktion, prüfst die Regel mit Testakkus und bewertest eine verschobene Gerade. Danach sagst Du mit kNN von Hand voraus, ob Lastenrad-Reservierungen verfallen, normierst dafür die Merkmale, wählst k anhand von Validierungsdaten, kodierst eine Station und berechnest für einen Entscheidungsbaum den Informationsgewinn.

Klassifizieren mit Trenngeraden, k-nächsten Nachbarn und Entscheidungsbäumen

Wie ordnet ein Programm einen neuen Datensatz einer Klasse zu? Der Artikel stellt drei einfache Verfahren des überwachten Lernens vor: Trenngeraden (mit Geradengleichung, Klassifizieren durch Hinschauen und durch Rechnen, Auswahl einer guten Geraden und Test mit Testdaten), die k-nächsten Nachbarn (euklidische Distanz, Wahl von k, Aufbereitung der Daten) und Entscheidungsbäume nach ID3 (Entropie und Informationsgewinn). Zum Schluss vergleicht er die Verfahren und zeigt, wie Du eine Auswahl begründest.