Differences

This shows you the differences between two versions of the page.

--- kurse:efcomputergrafik:knn [2020/03/24 13:15]
Simon Knaus
+++ kurse:efcomputergrafik:knn [2020/03/24 14:55] (current)
Simon Knaus [$k$ Nearest Neighbors]
@@ Line 1: / Line 1: @@
-==== k Nearest Neighbors ====
+==== $k$ Nearest Neighbors ====
+Bei $k$ nearest neighbours (kNN) geht es darum, einem dazukommenden Punkt diese Klasse zuzuweisen, welche die nächsten $k$-Punkte mehrheitlich haben.
+Der Trainingsdatensatz sind damit alle Punkte, von welchem man die Klasse und Koordinaten kennt. Auf Grund dieser Klassen und Koordinaten wird einem neuen Datenpunkt einzig auf Grund der Koordinaten eine Klasse zugeordnet.
+{{ :kurse:efcomputergrafik:knn:structure.png |}}
 === Bemerkungen ====
   * Die untenstehenden Codes sind für TigerJython gedacht
   * Die Codes sind nicht unbedingt schnell sondern illustrativ
   * Es werden folgende Daten benötigt:
-    * {kurse:efcomputergrafik:knn:knn_r2_trainingsdaten.zip|Trainingsdate}} für zweidimensionales kNN
+    * {{kurse:efcomputergrafik:knn:knn_r2_trainingsdaten.zip|Trainingsdaten}} für zweidimensionales kNN
     * {{kurse:efcomputergrafik:knn:knn_r2_testdaten.zip|Testdaten}} für zweidimensionales kNN
     * ZIP-Code Daten
@@ Line 25: / Line 29: @@
-Die Daten finden sich in einer {{kurse:efcomputergrafik:knn:knn_r2_trainingsdaten.zip|ZIP-Datei}
+Die Daten finden sich in einer {{kurse:efcomputergrafik:knn:knn_r2_trainingsdaten.zip|ZIP-Datei}}
-<hidden>
+<hidden Lösung>
 <file python knn.py>
 from gpanel import *