verlinkungen zur Vorlesung in Anhang gepackt.

chapters/Classical_Supervised_Learning/Linear_Classification.tex

@@ -277,7 +277,7 @@ Das Problem kann hierbei mithilfe des 1-Hot-Encodings als eine Conditional Multi
 \label{par:multiclass_classification:Data log-likelihood}
 \begin{align} \label{eq:multiclass_classification:Data log-likelihood}
     \loglik(\mathcal{D},\bm{w}_{1:K}) &= \sum_{i=1}^N\log p(c_i|\bm{x}_i)\\
-                                      &= \dots \text{ \color{red}siehe Vorlesung 02 Folie 69}\\
+                                      &= \dots \text{(siehe \cref{sec:Herleitung: Multiclass Classification: Data log-likelihood})}\\
                                       &= \sum_{i=1}^N\sum_{k=1}^K\bm{h}_{c_i,k}\bm{w}_k^T\bm{\phi}(\bm{x}_i) 
                                       - \underbrace{\log\left( \sum_{j=1}^K\exp(\bm{w}_j^T\bm{\phi}(\bm{x}_i))\right)}_\text{independent from $k$} \underbrace{\sum_k\bm{h}_{c_i,k}}_{=1}
 \end{align}

chapters/Classical_Supervised_Learning/Model_Selection.tex

@@ -94,7 +94,7 @@ Um die Nachteile der \dref{sub:Hold-out Method} zu umgehen wird meist die Cross
    \begin{enumerate}
        \item Datensatz in $k$ Partitionen unterteilen
            $$D_1 = \{(\bm{x}_i,y_i)\}_{i=1}^{\frac{n}{k}}, D_2=\{(\bm{x}_i,y_i)\}_{i=\frac{n}{k}+1}^{2 \frac{n}{k}}, \dots$$
-       \item Wiederholtes Anwenden der \nameref{sub:Hold-out Mehtod} auf den Datensatz,
+       \item Wiederholtes Anwenden der \nameref{sub:Hold-out Method} auf den Datensatz,
            wobei immer eine andere Partition als Validierungsdatensatz dient
    \end{enumerate}
 \end{mybox}

chapters/Classical_Supervised_Learning/Trees_and_Forests.tex

@@ -80,8 +80,8 @@ welchen Anteil die Klasse $k$ auf der linken Seite des Splits hat.
 \label{sub:CART:Beispiele}
 \subsubsection{Classification Tree}%
 \label{ssub:Classification Tree}
-\includegraphics[width=.6\textwidth]{classification_tree.png}
-{\color{red} Herleitung Vorlesung 04 Seite 24-31}
+\includegraphics[width=.6\textwidth]{classification_tree.png}\\
+(Herleitung: \cref{sec:Herleitung: CART: Classification Tree})
 
 \subsubsection{Regression Tree}%
 \label{ssub:Regression Tree}
@@ -96,7 +96,7 @@ Predict (log) prostate specific antigen from
 \end{itemize}
 }
 \vspace*{30mm}
-{\color{red} Herleitung Vorlesung 04 Seite 32-36}
+(Herleitung: \cref{sec:Herleitung: CART: Regression Tree})
 
 \section{Random Forests}%
 \label{sec:Random Forests}