Vorhersage und Interpretation der Kundenzufriedenheit einer Fluggesellschaft mittels Machine Learning

Dies ist das ergänzende Repository zur Seminararbeit "Vorhersage und Interpretation der Kundenzufriedenheit einer Fluggesellschaft mittels Machine Learning" am Lehrstuhl von Prof. Dr. Frédéric Thiesse, Julius-Maximilians-Universität Würzburg.

Zur Reproduktion der Ergebnisse wird die Verwendung von Google Drive zum Entpacken und Speichern der Daten sowie Google Colaboratory für die Ausführung des Codes empfohlen. Der Datensatz wurde einer Kaggle-Challenge entnommen.

Quick Start

• Lege in der Google Drive ein Google Colaboratory-Notebook an (Neu --> Mehr --> Google Colaboratory)

• Verbinde Notebook mit Google Drive:

from google.colab import drive
drive.mount('/content/drive')

• Wechsle Verzeichnis zu Google Drive:

cd 'drive/My Drive'

• Kopiere GitHub-Repository in Google Drive:

! git clone https://github.com/FelixBey/Airline.git

Nach dem Ausführen dieser Schritte sollten die Notebooks mit Daten und trainierten Modellen im Zielordner 'Airline' abliegen. Die Ergebnisse der Arbeit können nun repliziert werden:

• Führe zuerst das EDA and Preprocessing-Notebook aus
• Anschließend können die Notebooks mit verschiedenen Machine Learning-Ansätzen ausgeführt werden