Glossar

Der f1-Score ist eine Messgröße für die Genauigkeit eines Modells, die Präzision und Recall ausgleicht. Er ist definiert als der harmonische Mittelwert von Präzision und Recall. Dabei reicht der Score von 0 bis 1. Ein hoher f1-Score bedeutet, dass das Modell ein gutes Gleichgewicht zwischen Präzision und Recall aufweist.

Unter supervised learning (dt. überwachtes Lernen) wird eine Unterart des maschinellen Lernens verstanden. Bei dieser Lernform liegt dem Algorithmus ein Datensatz vor, bei dem die Zielvariable bekannt ist. Man spricht auch davon, dass die Daten gelabelt sind.  Der Algorithmus versucht nun, anhand einer großen Menge von Trainingsdaten solche Muster zu erkennen, die zur erfolgreichen Vorhersage der Zielvariable führen