fit-Methode

Lektion 7 von 19 im Kurs Einführung in maschinelles Lernen von Coddy.

Der KNN hat keine explizite Trainingsphase. Er speichert einfach den Datensatz. Erst während der predict-Phase berechnet er die Distanz zwischen dem neuen Punkt und dem Rest.

Aufgabe

Mittel

Implementieren Sie die Berechnung der euklidischen Distanz in der Methode distance und passen Sie die Methode fit so an, dass die Liste der Punkte in self.points und die zugehörigen Labels in self.labels gespeichert werden. X_train sind die Punkte und y_train sind die Labels.

Probier es selbst

import numpy
class KNN:
    def __init__(self, k):
        self.points = None
        self.labels = None
        self.k = k
    
    def distance(self, point_a, point_b):
        # Schreiben Sie hier Ihren Code
    
    def fit(self, X_train, y_train):
        # Schreiben Sie hier Ihren Code
        pass

    def predict(self, X_test):
        pass

Alle Lektionen in Einführung in maschinelles Lernen

1Der Beginn der ML-Reise

Einführung in ML Daten für ein Modell Was ist ein ML-Modell?

4K-Means-Algorithmus

Einführung in K-Means fit-Methode predict-Methode

2Überblick über maschinelles Lernen

Überwachtes Lernen Unüberwachtes Lernen

5Naiver Bayes

Einführung in Naive Bayes fit-Methode predict-Methode

3K-Nächste-Nachbarn (KNN)

Einführung in KNNfit-Methodepredict-Methode

6Weitere Modelle

Logistische Regression Lineare Regression Entscheidungsbaum Support Vector Machine (SVM)Quiz zu Modellen

Übe selbstständig: Online-Python-Compiler