CDS1011_A2/term-paper/results.tex

%! Author = gra
%! Date = 01.12.24

% Preamble
\section{Resultate}\label{sec:resultate}
Mit den drei verwendeten Modellen lässt eine Vorhersage der Aktivitäten realisieren.
Allerdings unterscheiden sie sich bei der Genauigkeit der Vorhersage.\\
Der Decision Tree schneidet mit einem F1-Score von 0,58 am schlechtesten ab, da er im Vergleich zu komplexeren Modellen wie dem Random Forest eher anfällig für Overfitting ist und weniger robuste Entscheidungsregeln bildet.
Der Random Forest und KNN haben mit rund 0,68 einen ähnlichen F1-Score.
Der Random Forest Algorithmus liefert durch die Kombination vieler Entscheidungsbäume stabilere Vorhersagen, der KNN-Algorithmus dagegen ist auch anfällig für Overfitting.
Insgesamt liefert der Random Forest tendenziell die besten Ergebnisse.