From b3531a0da064968a4bdfdb0f3c3d29c4fe4f0245 Mon Sep 17 00:00:00 2001 From: git-sandro Date: Sat, 24 Jan 2026 20:05:27 +0100 Subject: [PATCH] kl --- zusammenfassung/zusammenfassung.md | 3 ++- 1 file changed, 2 insertions(+), 1 deletion(-) diff --git a/zusammenfassung/zusammenfassung.md b/zusammenfassung/zusammenfassung.md index e373f97..646a061 100644 --- a/zusammenfassung/zusammenfassung.md +++ b/zusammenfassung/zusammenfassung.md @@ -193,7 +193,8 @@ $$ |FPR (False Positive Rate)|Die FPR (False Positive Rate) misst, wie viele der negativen Beispiele fälschlich als positiv klassifiziert wurden. Eine FPR von 0.2 bedeutet: 20 % der negativen Beispiele wurden falsch als positiv erkannt. $\large FPR = \frac{FP}{FP+TN} $| |Multiclass Classification|Multiclass Classification umfasst Datensätze mit mehreren Klassenbezeichnungen.
Binäre vs Multiclass Classification Multiclass Classification
| |One vs. The Rest|Beim One vs. Rest Klassifizierungsansatz, der auf einen Datensatz mit N unterschiedlichen Klassen zugeschnitten ist, werden N binäre Klassifikatoren generiert, die jeweils einer bestimmten Klasse entsprechen. Die Anzahl der Klassifikatoren entspricht der Anzahl der eindeutigen Klassenbezeichnungen, die im Datensatz vorhanden sind. One vs. the Rest| -|One vs. One|Bei der One vs. One Klassifizierungsstrategie, die auf einen Datensatz mit N unterschiedlichen Klassen zugeschnitten ist, werden insgesamt N * (N-1) / 2 binäre Klassifikatoren generiert. Bei diesem Ansatz wird für jedes mögliche Klassenpaar ein binärer Klassifikator erstellt. One vs. the Rest| +|One vs. One|Bei der One vs. One Klassifizierungsstrategie, die auf einen Datensatz mit N unterschiedlichen Klassen zugeschnitten ist, werden insgesamt N * (N-1) / 2 binäre Klassifikatoren generiert. Bei diesem Ansatz wird für jedes mögliche Klassenpaar ein binärer Klassifikator erstellt. +One vs. the Rest| ||| ||| |||