Alle Optimierungen abgeschlossen.

chapters/Classical_Supervised_Learning/Linear_Classification.tex

@@ -212,13 +212,13 @@ Dies stellt eine Approximation des tatsächlich erwarteten Verlustes nach dem Pr
 
 \subsection{\texorpdfstring{\glsxtrfull{SDG}}{\glsfmtfull{SDG}}}%
 \label{sub:SDG}
-\begin{wrapfigure}{r}{.5\textwidth}
+\begin{wrapfigure}{r}{.4\textwidth}
     \vspace*{-15mm}
     \centering
     \includegraphics[width=0.8\linewidth]{batch_vs_stochastic_gradient_descent.png}
     \caption{Batch vs. Stochastic Gradient Descent}
     \label{fig:batch_vs_stochastic_gradient_descent}
-    \vspace*{-20mm}
+    \vspace*{-10mm}
 \end{wrapfigure}
 Um die Loss Function nicht für alle Datenpunkte evaluieren zu müssen wird beim \gls{SDG} lediglich der Verlust an einem einzelnen, zufällig gewählten Punkt ermittelt
 \begin{equation} \label{eq:stochastic_gradient_descent}

chapters/Classical_Supervised_Learning/Trees_and_Forests.tex

@@ -82,6 +82,7 @@ welchen Anteil die Klasse $k$ auf der linken Seite des Splits hat.
 \label{ssub:Classification Tree}
 \includegraphics[width=.6\textwidth]{classification_tree.png}\\
 (Herleitung: \cref{sec:Herleitung: CART: Classification Tree})
+\clearpage
 
 \subsubsection{Regression Tree}%
 \label{ssub:Regression Tree}