Review: Kap. 2 (Grundlagen) — Kurzreview
laien_leser: Sachkundiger Nicht-Experte
Bewertung: Bedingt akzeptiert
Befunde:
| # | Schwere | Ort | Befund | Empfehlung |
|---|---|---|---|---|
| 1 | Hoch | 2.2, Z. 65–66 | „Insbesondere die CART-Familie und die darauf aufbauenden En-sem-ble-ver-fah-ren beschränken sich auf die binäre Form” — als Laie stolpere ich hier: „CART” ist ein Kürzel ohne Auflösung, „Ensembleverfahren” ist unerklärt. Erst am Ende von 2.3 (Z. 202) erfahre ich, dass CART = Classification And Regression Trees; Ensembleverfahren bleibt in Kap. 2 unerklärt und wird erst in Kap. 4 aufgelöst. | Bei erster Nennung in Z. 65 Kurzauflösung ergänzen: „Insbesondere die CART-Familie (siehe Abschnitt~\ref{sec:klassifikation-regression}) und die darauf aufbauenden Ensembleverfahren (Kapitel~\ref{ch:ensemble})“. |
| 2 | Mittel | 2.4, Zeitstrahl-Description Z. 316–362 | Der Zeitstrahl nennt eine dichte Reihe unerklärter Fachbegriffe: Information Gain (Z. 319, 331), Cost-Complexity-Pruning (Z. 325), MSE-basierte Regressionsbäume (Z. 326), Gain Ratio (Z. 336), Pessimistic Error Pruning (Z. 338), Bootstrap Aggregating (Z. 341), Out-of-Bag-Fehlerschätzung (Z. 349), Permutation Importance (Z. 350). Als Laie muss ich hier nur „zur Kenntnis nehmen”, nicht verstehen. Das ist für einen Zeitstrahl akzeptabel, sollte aber im Einleitungsabsatz Z. 217–220 explizit gesagt werden („die genannten Verfahren werden in Kap. | Halbsatz im Einleitungsabsatz Z. 217–220 ergänzen: „Die im Zeitstrahl genannten Verfahrensbausteine werden in Kap. |
| 3 | Mittel | 2.4, Grafik Z. 254, 272 | Beschriftungen „Gini-Idx.” (Z. 254) und „IG” (Z. 272 „Gini vs. IG”) tauchen in der Grafik ohne Auflösung auf. Im Fließtext heißt es an keiner Stelle „IG” — nur „Information Gain” oder „Information-Gain-Kriterium”. Als Laie muss ich raten, dass „IG” = Information Gain ist. | Grafik-Label „IG” → „Information Gain” ausschreiben (Platz genügt). „Gini-Idx.” → „Gini-Index” (ggf. mit Zeilenumbruch). |
| 4 | Niedrig | 2.1, Z. 17 | „Sammlung von Merkmalen” — Begriff wird über das Beispiel (Sensorwerte etc.) verständlich, aber nicht explizit definiert. Ein Halbsatz „(Merkmale sind die gemessenen Größen, die einen Fall beschreiben)” würde den Begriff früh verankern. | Optional; das Beispiel trägt aktuell. |
| 5 | Info | 2.1 gesamt | Datenpunkt (Z. 15–16), Label (Z. 25), Trainings-/Testdaten (Z. 37–38), Überanpassung/Overfitting (Z. 42–43) sind sauber eingeführt. Der Übergang vom überwachten Lernen zum Baum-Kapitel ist klar. | Keine Aktion. |
Zusammenfassung: Die Grundbegriffe des ML sind sauber eingeführt; die eigentliche Baum-Datenstruktur ist auch für Laien nachvollziehbar. Zwei Punkte sind für einen fachfremden Zweitprüfer echte Stolpersteine: die CART-/Ensemble-Vorverwendung in Z. 65 und die unerklärten Grafik-Labels („IG”, „Gini-Idx.”).