Unterschiede

Hier werden die Unterschiede zwischen zwei Versionen angezeigt.

--- de:modul:m245:learningunits:lu02:loesungen:l02 [2026/01/05 13:26] – angelegt vdemir
+++ de:modul:m245:learningunits:lu02:loesungen:l02 [2026/04/08 08:43] (aktuell) – [Modellvergleich] vdemir
@@ Zeile 3: / Zeile 3: @@
 ===== Voraussetzung =====
-  pip install pandas scikit-learn joblib
+<code python>
+pip install pandas scikit-learn joblib
+</code>
 ===== Python-Skript: ml_basics_shop.py =====
+<code python>
 import pandas as pd
 from sklearn.model_selection import train_test_split
@@ Zeile 15: / Zeile 17: @@
 from sklearn.metrics import accuracy_score, confusion_matrix, classification_report
 import joblib
 # -----------------------------
 # Daten laden
 # -----------------------------
 data = pd.read_csv("shop_data.csv")
 X = data.drop("buy", axis=1)
 y = data["buy"]
@@ Zeile 27: / Zeile 28: @@
 # Train / Test Split
 # -----------------------------
-X_train, X_test, y_train, y_test = train_test_split(
+X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42)
-    X, y, test_size=0.2, random_state=42
-)
 # -----------------------------
@@ Zeile 41: / Zeile 40: @@
 log_reg_pipeline.fit(X_train, y_train)
 y_pred_lr = log_reg_pipeline.predict(X_test)
+#
 print("Logistische Regression")
 print("Accuracy:", accuracy_score(y_test, y_pred_lr))
@@ Zeile 77: / Zeile 76: @@
 print("\nVorhersage fuer neuen Kunden:", prediction[0])
+</code>
+===== Modellvergleich =====
+^ Kriterium ^ Logistische Regression ^ Decision Tree ^
+| Interpretierbarkeit | hoch | mittel |
+| Overfitting-Gefahr | gering | hoch |
+| Skalierung | nötig	ja | nein |
+| Didaktisch | sinnvoll	sehr | ja |
+===== Fazit =====
+  * Bei kleinen, sauberen Datensätzen ist die Logistische Regression meist stabiler.
+  * Decision Trees sind anschaulich, aber übermotiviert – sie merken sich gern alles bzw. "lernen einen Fall auswendig".
+----
+[[https://creativecommons.org/licenses/by-nc-sa/4.0/|{{https://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png}}]] Volkan Demir