@wytrzzeszcz: A to nie wystarczy zbierać współrzędnie działki ewentualnie bazę adresową danego miasta?

Algorytm knn z odpowiednie zaimplementowana miara powinien dać radę o ile masz zbiór danych treningowych .

@wytrzzeszcz: Algorytm knn sprawdzi sie wyłacznie jezeli masz juz jakies dane poprawnie sklasyfikowane (Zbior domow przypisanych do dzielnic). Wtedy wprowadzajac nowy dom algorytm powie CI przykładowo dla k=7 coś takeigo : "W pobliżu tego domu znalazłem 4 domy z dzielnicy A i 3 domy z dzielnicy B wiec wydaje mi się ze ten dom jest w dzielnicy A) - i to CI wystarczy w zupełności. Problemem może być tylko wyznaczeniePokaż całość

@Uluari: będę myśał jeszcze ale bardzo dziękuje za kierunki

@wytrzzeszcz: Nie bardzo rozumiem problem. Nie możecie po prostu porównać współrzędnych nowo wprowadzanego domu do współrzędnych domów już istniejących? Albo zrobić jakiś zakres, ogranicznik, czy coś w ten deseń, że jak coś znajduję się w takim i takim terenie to należy do dzielnicy, a jeśli nie, to nie należy?

@wytrzzeszcz: Co jeśli dom obok jest w jednej dzielnicy a drugi w drugiej dzielnicy?

@sylwke3100: chciałbym ale nie mogę
@vasper: nie znam kształtu dzielnic tylko fakty że domy już wprowadzone są w nich

@Brodeon: no to jest problem który chce rozwiązać
@Uluari: no i to jest opcja dzielkije

@wytrzzeszcz: W urzędach nie ma współrzędnych wierzchołków granic?

@Brodeon: nie ma i jestem tego pewien

@wytrzzeszcz Może w Twoim problemie nie będzie to aż tak istotne ale mając współrzędne GPS(pewnie układ WGS 84) to żeby w prawidłowy sposób policzyć odległość trzeba je przekształcać do prostokątnego układu współrzędnych (aby móc policzyć odległość w metrach i wyznaczyć k najbliższych sąsiadów ).

@Uluari: a to się przydaje raczej przy odległości miedzy miastami niż domami dobrze kombije/

@wytrzzeszcz: Jak urzędy są w stanie określić do której dzielnicy należą dane adresy gdy przykładowo ktoś nowy się buduje? Podejrzewam że do każdej z dzielnic istnieje przydzielona do niej lista adresów. Nie wiem czy jakikolwiek algorytm jest w stanie przewidzieć przyszłą dzielnicę danej działki gdy przykładowo urzędnik może sobie przydzielić jak chce

@Brodeon: ale nie mamy i nie będziemy mieli tam urzędu co wiem na pewno

@Uluari: Tu problemem może też być gdy dany kawałek miasta jest w układzie 65 a drugi w 2000 i trzeba wszystko przenieść do jednego układu

@wytrzzeszcz: Z technicznego punktu widzenia tak jak kolega podał algorytm knn chyba byłby do tego najlepszy tylko że jest to czysto algorytmiczne rozwiązanie. Fajnie jakbyś to rozwiązał obiektowo i dla klasy działka istnieją pewne właściwości typu współrzędne X, Y, Dzielnica i na obiektach klasy działka szukałbyś najbliższego sąsiada czyli najbliższy obiekt klasy działka po współrzędnych X, Y i potem jakbyś znalazł taki obiekt to pobrałbyś właściwość dzielnica i załatwione

@wytrzzeszcz: Ale jeżeli znacie współrzędne już istniejących budynków i jeżeli baza nie jest przesadnie duża, to nie możecie po prosu iterować po wszystkich koordynatach i porównywać nowe współrzędne do tych starych?

@vasper: no tego chciałem uniknąć :/takiej brutalnej siły
@Brodeon: mniej wiecej kimam

no tego chciałem uniknąć :/takiej brutalnej siły

@wytrzzeszcz: Jeśli nie masz dostateczniej dużego zbioru treningowego, to z użycia KNN może nic nie wyjść.
Z jakich map korzystacie? Nie zawierają one przypadkiem jakiegoś gotowego rozwiązania w swoim api? Nearest location lub coś w ten deseń.

Do takiego problemu może wam się przydać coś takiego, jeśli chcielibyście jednak porównywać współrzędne ( ͡° ͜ʖ ͡°)