====== LU02.A02 - ML Programmierung ======

===== Lernziele =====
  - Ablauf von Machine Learning anwenden können. 

===== Rahmenbedingungen =====
  * Sozialform: Partnerarbeit
  * Zeitbudget: 40 Minuten
  * Erwartetes Ergebnis: Python Script, dass auf Input-Daten Kaufentscheidungen des Kunden //vorhersagen// kann. 

===== Ausgangslage =====
Ein Online-Shop möchte vorhersagen, ob ein Kunde ein Produkt kaufen wird oder nicht. Gegeben seien die nachfolgenden Attribute:

  * age (Alter)
  * past_purchases (Anzahl bisheriger Einkaeufe)
  * minutes_on_page (Verweildauer)
  * buy (Zielvariable: 0/1)

Die nachfolgende CSV-Datei mit 30 Muster-Datensätzen steht Ihnen zur Verfügung: {{ ::m245_lu02_a02_input.csv |}}


===== Auftrag A – ML-Pipeline bauen =====
Schreiben Sie ein Skript ml_basics_shop.py, das:

  * die CSV einliest (pandas)
  * Features (X) und Zielvariable (y) trennt
  * Daten in Train/Test splittet (z. B. 80/20, random_state=42)
  * eine Pipeline erstellt mit:
    * Standardisierung (StandardScaler)
    * Modell: Logistische Regression
  * das Modell trainiert
  * Vorhersagen fuer Testdaten berechnet

===== Teil B - Bewertung =====
Geben Sie die nachfolgende Kennzahlen aus:
 
  * Accuracy
  * Confusion Matrix
  * Classification Report (Precision/Recall/F1)



===== Lösung =====
[[de:modul:m245:learningunits:lu02:loesungen:l02|Lösung]]

----
[[https://creativecommons.org/licenses/by-nc-sa/4.0/|{{https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png}}]] Volkan Demir