* Normalisierung des MNIST Datensatz vor dem Einlesen zur Optimierung des Algorithmus
<code python>
import numpy as np
import scipy.io
mat=scipy.io.loadmat('/[…]/[…]/scikit_learn_data/mldata/mnist-original.mat')

data=mat['data']
label=mat['label']
for i in range(data.shape[1]):
	data[:,i]= data[:,i]/np.linalg.norm(data[:,i])
scipy.io.savemat('/[…]/[…]/scikit_learn_data/mldata/mnist-original-norm.mat', mdict={'data':data, 'label':label})
</code>
Die Normalisierung des MNIST Datensatz vor dem Einlesen funktioniert so noch nicht. Die Daten unterscheiden sich komplett von der Norm der "originalen" Daten.
  * Vergleichsdatensatz
<code python>
import numpy as np
import scipy.io
mat=scipy.io.loadmat('/[…]/[…]/scikit_learn_data/mldata/mnist-original.mat')
matnorm=scipy.io.loadmat('/[…]/[…]/scikit_learn_data/mldata/mnist-original-norm.mat')

matd=mat['data']
matnd=matnorm['data']
for i in range(70000):
	orignialNorm=matd[:,i]/np.linalg.norm(matd[:,i])
	abstand=np.linalg.norm(orignialNorm-matnd[:,i])
	print abstand
</code>
  * Ausgabe der Genauigkeit des k-nearest-Neighbor-Algorithmus
  * Präsentation des jetzigen Standes