K-Nächste-Nachbar-Klassifikation: Einführung Du lernst hier schrittweise die einzelnen Aspekte der K-Nächste-Nachbar-Klassifikation am Beispiel eines Prognosesystems für die Pünktlichkeit von Bahnverbindungen kennen. q Startseite 14. Projekte 5. Data Science - 1. Projekt: Empfehlungssysteme + 1. Projektexpertise + 1. Bereichsexpertise/ Bereichswissen + 1. Nutzen von Empfehlungssystemen + 2. Inhaltsbasierte Empfehlungssysteme + 3. Kollaborative Empfehlungssysteme + 4. Hybride Empfehlungssysteme + 2. Datenexpertise + 1. Jupyter Notebooks Jupyter Notebooks Notebook öffnen Code ausführen Codezellen Markdown + 2. Daten sammeln - Variante I + 3. Daten beschreiben - Variante II + 4. Daten erkunden + 5. Daten visualisieren + 6. Data Dashboards + 2. Datenvorbereitung + 1. Datenbereingung und -formatierung + 2. Notwendigkeit der Datenumstrukturierung + 3. Datenumstrukturierung (inhaltsbasiert) + 4. Datenumstrukturierung (kollaborativ) - 3. Modellentwicklung + 1. Maschinelle Lernmodelle - 2. KNN-Klassifikation: Einführung + 1. Nächste-Nachbar-Klassifikation + 2. Wahl des Parameters k + 3. Abstandsmaß + 4. Trainings- und Anwendungsphase + 5. Erweiterung der Klassen + 6. Erweiterung der Attribute + 7. Wahl der Attribute + 3. KNN-Klassifikation für Empfehlungssysteme + 1. Inhaltsbasierte KNN-Klassifikation + 2. Kollaborative KNN-Klassifikation + 3. KNN-Klassifikation Implementierung + 4. Modellevaluierung + 1. Holdout Methode + 2. Modellbewertung + 3. Modellverbesserung + 5. Phänomen: Filterblase