Finde den Nachbarn

Es ist klar, dass der Local-Outlier-Factor-Algorithmus stark vom Konzept des nächsten Nachbarn abhängt, was wiederum von der Wahl der Distanzmetrik abhängt. Also experimentierst du weiter mit dem im vorherigen Abschnitt eingeführten Hepatitis-Datensatz. Dir werden drei Beispiele in features gegeben, deren Klassen in labels gespeichert sind. Du bestimmst den nächsten Nachbarn für das erste Beispiel (Zeile mit Index 0) mit drei verschiedenen Distanzmetriken: euklidisch, Hamming und Tschebyschow, und entscheidest darauf basierend, welche Distanzmetrik du verwenden solltest. Du importierst das benötigte Modul im Rahmen der Übung; pandas und numpy sind bereits verfügbar, ebenso features und ihre Labels labels.