kl

zusammenfassung/zusammenfassung.md

@@ -187,6 +187,6 @@ $$
 |Konfusionsmatrix|Die Konfusionsmatrix zeigt die Verteilung korrekter und falscher Vorhersagen, enthält jedoch keine Trainingsparameter wie die Lernrate. <img src="bilder/konfusionsmatrix.png" alt="Konfusionsmatrix" width="600"/>|
 |Precision (Relevanz)|Gibt den Anteil der korrekt als positiv klassifizierten Ergebnisse an der Gesamtheit der als positiv klassifizierten Ergebnisse an $\large precision = \frac{tp}{tp+fp} $|
 |Recall (Sensivität)|Gibt die Wahrscheinlichkeit an, mit der ein positives Objekt korrekt als positiv klassifiziert wird. $\large recall = \frac{tp}{tp+fn} $|
-|F1|Der F1-Wert ist der harmonische Mittelwert (eine Art Durchschnitt) von Precision und Recall. Dieser Messwert gleicht die Bedeutung von Precision und Recall aus und ist für Datasets mit unausgeglichenen Klassen besser geeignet als die Genauigkeit. $\large f1=2*\frac{precision * recall}{precision + recall} $|
+|F1|Der F1-Wert ist der harmonische Mittelwert (eine Art Durchschnitt) von Precision und Recall. Dieser Messwert gleicht die Bedeutung von Precision und Recall aus und ist für Datasets mit unausgeglichenen Klassen besser geeignet als die Genauigkeit. $\large \\ f1=2*\frac{precision * recall}{precision + recall} $|
 |||
 ## Unsupervised Learning Clustering