Setze dich mit dem Einfluss der Wahl von „k” auseinander und beobachte, welche Bedeutung insbesondere sehr kleine und große Werte von „k” für das Modell haben.
Ordne den beiden Situationen die passenden Aussagen zu.
sehr kleiner Parameter "k"
sehr großer Parameter "k"
"Geringe Generalisierung": Neue Daten werden oft falsch klassifiziert.
"Overfitting":Das Modell passt sich zu stark an die Trainingsdaten an.
Modell bezieht viele Punkte mit ein und erkennt Details kaum noch.
Modell reagiert sehr empfindlich auf einzelne Datenpunkte.
"Underfitting": Das Modell verfehlt die Struktur in den Daten.
