ML Regression & Clustering

Regression, Clustering und KNN aus dem Machine Learning Modul meiner Weiterbildung zur KI-Entwicklung.

Inhalte

Ordner	Beschreibung
Uebung1001Korrelationsmatrix	Korrelationsmatrix mit Seaborn Heatmap auf Boston-ähnlichem Datensatz
Uebung1003Polynomregression	Polynomregression Grad 2 mit sklearn
Uebung1101k-means_cluszering	K-Means mit 4 Clustern und SSE-Ausgabe
Uebung1102Elbow-Methode	Elbow-Methode als parametrisierte Funktion mit Docstring
Uebung1103AgglomerativesClustering	Agglomeratives Clustering – drei Varianten inkl. Dendrogramm
Uebung1104DBSCAN	DBSCAN – vier Varianten von einfach bis automatisch mit NearestNeighbors
Transferaufgabe1001Regression	Lineare Regression mit manuellem Gradientenabstieg
Transferaufgabe3A01LogistischeRegression	Logistische Regression mit Entscheidungsgrenzen-Visualisierung
CaseStudy301KNN	KNN – Entscheidungsgrenzen mit Meshgrid, Train/Test separat dargestellt

Highlights

• DBSCAN mit automatischer eps-Schätzung via NearestNeighbors und Perzentil
• Gradientenabstieg von Grund auf mit Kostenfunktions-Visualisierung
• Vier DBSCAN-Varianten für unterschiedliche Clusterdichten
• Agglomeratives Clustering mit Dendrogramm und fcluster
• Wiederverwendbare plot_decision_boundary Funktion

Technologien

• Sprache: Python 3
• Bibliotheken: scikit-learn, numpy, matplotlib, seaborn, scipy
• IDE: PyCharm

Weiterbildung

Dieses Repository ist Teil der Weiterbildung KI-Entwicklung (Juni – Dezember 2025).