LU02.A02 - Fallstudie Machine Learning

1. Ablauf von Machine Learning anwenden können.

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

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)

2. Verwende sie die nachfolgenden plausible Wertebereiche Wertebereiche:

• age: 16–70
• past_purchases: 0–30
• minutes_on_page: 0.1–20
• buy: 0 oder 1

3. Bauen Sie eine einfache “Logik” ein, damit das Problem nicht reines Raten ist (z. B. hoeherer Kauf bei mehr Verweildauer + mehr bisherigen Einkaeufen).

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

Geben Sie die nachfolgende Kennzahlen aus:

• Accuracy
• Confusion Matrix
• Classification Report (Precision/Recall/F1)

Zusatz: Erklaere in 2–3 Saetzen, warum Accuracy allein manchmal irrefuehrend ist.

Lösung

Volkan Demir