Ein KI-Praktiker benötigt einen Algorithmus, um Blumenarten anhand von Merkmalen wie Blütenblattlänge, Blütenblattbreite, Kelchblattlänge und Kelchblattbreite zu klassifizieren. Welcher Algorithmus eignet sich für diese Klassifizierungsaufgabe?

K-nearest neighbors (k-NN) ist ein geeigneter Algorithmus für diese Klassifizierungsaufgabe, da er ein nicht-parametrischer, instanzbasierter Lernalgorithmus ist, der Objekte basierend auf der Mehrheit der Klassen seiner k nächsten Nachbarn klassifiziert. Bei der Klassifizierung von Blumenarten anhand gegebener Merkmale wie Blütenblatt- und Kelchblattlänge und -breite kann k-NN effektiv ähnliche Blumen gruppieren und einer bestimmten Art zuordnen. K-means clustering ist ein unüberwachter Lernalgorithmus, der zur Gruppierung von Datenpunkten dient, wenn keine bekannten Labels vorhanden sind, und daher für eine Klassifizierungsaufgabe, bei der Labels (Blumenarten) erwartet werden, weniger geeignet. ARIMA ist ein Zeitreihenanalysemodell zur Vorhersage zukünftiger Werte basierend auf vergangenen Werten und ist für die Klassifizierung statischer Merkmale unpassend. Lineare Regression ist ein Algorithmus für Regressionsaufgaben, der eine kontinuierliche Ausgabe vorhersagt, nicht aber diskrete Klassen wie Blumenarten.