LU02.L02 - ML Programmierung [BZZ

Diese Seite ist nicht editierbar. Sie können den Quelltext sehen, jedoch nicht verändern. Kontaktieren Sie den Administrator, wenn Sie glauben, dass hier ein Fehler vorliegt.
====== LU02.L02 - ML Programmierung ======

===== Voraussetzung =====

  pip install pandas scikit-learn joblib
  
===== Python-Skript: ml_basics_shop.py =====

  import pandas as pd
  from sklearn.model_selection import train_test_split
  from sklearn.pipeline import Pipeline
  from sklearn.preprocessing import StandardScaler
  from sklearn.linear_model import LogisticRegression
  from sklearn.tree import DecisionTreeClassifier
  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"]
  #
  # -----------------------------
  # Train / Test Split
  # -----------------------------
  X_train, X_test, y_train, y_test = train_test_split( X, y, test_size=0.2, random_state=42)
  #
  # -----------------------------
  # Modell 1: Logistische Regression
  # -----------------------------
  log_reg_pipeline = Pipeline([
      ("scaler", StandardScaler()),
      ("model", LogisticRegression())
  ])
  #
  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))
  print("Confusion Matrix:\n", confusion_matrix(y_test, y_pred_lr))
  print("Classification Report:\n", classification_report(y_test, y_pred_lr))
  #
  # -----------------------------
  # Modell 2: Decision Tree
  # -----------------------------
  tree_model = DecisionTreeClassifier(random_state=42)
  tree_model.fit(X_train, y_train)
  y_pred_tree = tree_model.predict(X_test)
  #
  print("\nDecision Tree")
  print("Accuracy:", accuracy_score(y_test, y_pred_tree))
  print("Confusion Matrix:\n", confusion_matrix(y_test, y_pred_tree))
  print("Classification Report:\n", classification_report(y_test, y_pred_tree))
  #
  # -----------------------------
  # Bestes Modell speichern
  # -----------------------------
  joblib.dump(log_reg_pipeline, "best_model.joblib")
  #
  # -----------------------------
  # Neue Vorhersage
  # -----------------------------
  new_customer = pd.DataFrame([{
      "age": 32,
      "past_purchases": 5,
      "minutes_on_page": 6.5
  }])
  #
  loaded_model = joblib.load("best_model.joblib")
  prediction = loaded_model.predict(new_customer)
  #
  print("\nVorhersage fuer neuen Kunden:", prediction[0])
  
  
===== Modellvergleich =====
^ Kriterium ^ Logistische Regression ^ Decision Tree ^
| Interpretierbarkeit | hoch | mittel | 
| Overfitting-Gefahr | gering | hoch | 
| Skalierung | noetig	ja | nein | 
| Didaktisch | sinnvoll	sehr | ja | 

Fazit:
Bei kleinen, sauberen Datensaetzen ist die Logistische Regression meist stabiler.
Decision Trees sind anschaulich, aber uebermotiviert – sie merken sich gern alles.