diff --git a/zusammenfassung/zusammenfassung.md b/zusammenfassung/zusammenfassung.md
index 27ab8b9..7b63660 100644
--- a/zusammenfassung/zusammenfassung.md
+++ b/zusammenfassung/zusammenfassung.md
@@ -52,8 +52,8 @@
 |Begriff|Beschreibung|
 |---|---|
 |Explorative Datenanalyse|Explorative Datenanalyse (EDA) bezeichnet den Prozess, bei dem Daten untersucht, visualisiert und beschrieben werden, um erste Einsichten zu gewinnen, Zusammenhänge zu erkennen und Hypothesen zu formulieren — noch bevor Modellierung oder Hypothesentestsstattfinden.|
-|Mittlere quadratische Abweichung (RMSE)|<ul><li>*m* ist die Anzahl Datenpunkte im Datensatz</li><li>*h* ist die Vorhersagefunktion des Systems</li><li>*X* ist die Matrix mit den Werten sämtlicher Merkmale</li><li>*x<sup>(i)</sup>* Vektor der Werte aller Merkmale</li><li>*y<sup>(i)<sup>* Label (gewünschter Ausgabewert)</li></ul>![RMSE](bilder/rmse.png)|
-|Mittlerer absoluter Fehler (MAE)|<ul><li>*m* ist die Anzahl Datenpunkte im Datensatz</li><li>*h* ist die Vorhersagefunktion des Systems</li><li>*X* ist die Matrix mit den Werten sämtlicher Merkmale</li><li>*x<sup>(i)</sup>* Vektor der Werte aller Merkmale</li><li>*y<sup>(i)<sup>* Label (gewünschter Ausgabewert)</li></ul>![MAE](bilder/mae.png)|
+|Mittlere quadratische Abweichung (RMSE)|<ul><li>*m* ist die Anzahl Datenpunkte im Datensatz</li><li>*h* ist die Vorhersagefunktion des Systems</li><li>*X* ist die Matrix mit den Werten sämtlicher Merkmale</li><li>*x<sup>(i)</sup>* Vektor der Werte aller Merkmale</li><li>*y<sup>(i)<sup>* Label (gewünschter Ausgabewert)</li></ul>![RMSE](bilder/rmse.png) Die mittlere quadratische Abweichung misst den durchschnittlichen quadratischen Unterschied zwischen vorhergesagten und tatsächlichen Werten und bestraft größere Abweichungen stärker.|
+|Mittlerer absoluter Fehler (MAE)|<ul><li>*m* ist die Anzahl Datenpunkte im Datensatz</li><li>*h* ist die Vorhersagefunktion des Systems</li><li>*X* ist die Matrix mit den Werten sämtlicher Merkmale</li><li>*x<sup>(i)</sup>* Vektor der Werte aller Merkmale</li><li>*y<sup>(i)<sup>* Label (gewünschter Ausgabewert)</li></ul>![MAE](bilder/mae.png) Der mittlere absolute Fehler gibt an, wie groß die durchschnittliche absolute Differenz zwischen Vorhersagen und tatsächlichen Werten ist, ohne größere Abweichungen zusätzlich zu gewichten.|
 |Stetige Merkmale|<ul><li>Belibigen Wert innerhalb eines Intervalls</li><li>Unendlich viele Ausprägungen</li><li>Beispiele<ul><li>Strekenlänge</li><li>Zeitintervalle</li><li>Gewicht</li></ul></li></ul>|
 |Diskrete Merkmale|<ul><li>Endliche Anzahl Ausprägungen</li><li>Menge ist zählbar</li><li>Beispiele <ul><li>Schulnoten</li><li>Haarfarben</li><li>Geschlechter</li><li>Anzahl Teilnehmer eines Sportanlasses</li></ul></li></ul>|
 |Skalenniveaus|![Skalenniveaus](bilder/skalenniveaus.png)|
@@ -66,6 +66,7 @@
 ## Lineare Regression
 |Begriff|Beschreibung|
 |---|---|
+|Lineare Regression|Das Ziel der linearen Regression ist es, die "residual Sum of Squares (RRS)" zu minimieren. Also die Summe der quadrierten Abweichungen zwischen den vorhergesagten und den tatsächlichen Werten. Das Hauptziel ist es, eine lineare Beziehung zwischen den Variablen zu moddelieren, um Vorhersagen oder Interpreatationen zu ermöglichen|
 |Feature Engineering|<ul><li>Struktur des Konzept des ML Modell visualisieren</li><li>Auswahl der Features für das ML Modell</li><li>Trifft nicht auf Deep Learning zu</li></ul>|
 |Regressionsgerade|Summe der quadrierten Abstände der einzelnen Messpunkte zur Geraden minimal. ![Lineare Regression Funktionsgraph](bilder/lineare_regression_funktionsgraph.png)|