Gruppe-03-Klassifikation-Neuronales-Netz

Willkommen bei unserer Lösung zur Klassifikation mit einem neuronalen Netz.

Benoetigte Bibliotheken

• scikit-learn
• pandas
• tensorflow (cpu oder gpu)
• numpy
• matplotlib
• pickle
• flask (zusaetzlich benoetigt fuer Demo)

Demo starten

1. Repository clonen
2. Terminal/Shell in Ordner Demo öffnen
3. flask run eingeben
4. localhost (127.0.0.1) im Webbrowser öffnen (Standardport 5000), wurde auch waehrend der Praesentation gehostet

5. Daten des Kundens eingeben und auf Abschicken klicken, um Ergebnis zu bekommen
6. Neue Seite mit dem Ergebnis sollte sich oeffnen

Training

Python mit Keras

metric	result
precision	0.845
recall	0.813
accuracy	0.812

Knime

metric	result
precision	0.707
recall	0.691
accuracy	0.717

Evaluation (threshold)

Man kann mit dem threshold arbeiten, welcher als "Steuerinstrument" dient, damit man auf Kosten von predictions weniger FPs generiert, was für diesen Use Case sinnvoll sein kann.

Confusion Matrix mit threshold