diff --git a/Online Retail/Size prediction for online fashion retailer/notebook.ipynb b/Online Retail/Size prediction for online fashion retailer/notebook.ipynb
index 508f2254cbf66bc898ba626d25e859cef28a95c4..f07501b756cdf086b216eaf5a191af98a7f11f13 100644
--- a/Online Retail/Size prediction for online fashion retailer/notebook.ipynb
+++ b/Online Retail/Size prediction for online fashion retailer/notebook.ipynb
@@ -3,10 +3,14 @@
{
"cell_type": "markdown",
"metadata": {
+ "editable": true,
+ "slideshow": {
+ "slide_type": ""
+ },
"tags": []
},
"source": [
- "## Title"
+ "## Business"
]
},
{
@@ -14,47 +18,29 @@
"metadata": {
"editable": true,
"include": true,
- "paragraph": "BusinessUnderstanding",
+ "paragraph": "Business",
"slideshow": {
- "slidetype": ""
+ "slide_type": ""
},
"tags": [
- "Title"
+ "business"
]
},
"source": [
- "Vorhersage der Kleidergrößen von Kunden"
- ]
- },
- {
- "cell_type": "markdown",
- "metadata": {},
- "source": [
- "## Teaser"
+ "Rücksendungen sind Teil des Geschäftsmodells vieler Modegeschäfte. Die Rückgabequote der Unternehmen liegen oft bei etwa 50 %, was das Unternehmen unnötig viel Geld und Aufwand kostet. Hinzu kommt: Gerade in der Modebranche gibt es viele Kunden, die schon vor ihrer Bestellung wissen, dass sie den Artikel mit hoher Wahrscheinlichkeit zurückschicken werden. Sie bestellen zum Beispiel ein und dasselbe Hemd in verschiedenen Größen, weil sie nicht sicher sind, welches passen wird. Mit dieser Demo kann es möglich gemacht werden, Kunden anhand von Körpermerkmalen direkt die passende Größe vorzuschlagen. Dies trägt zur Kundenzufriedenheit bei und senkt die Quote der Retouren."
]
},
{
"cell_type": "markdown",
"metadata": {
"editable": true,
- "include": true,
- "paragraph": "BusinessUnderstanding",
"slideshow": {
- "slidetype": ""
+ "slide_type": ""
},
- "tags": [
- "Teaser"
- ]
+ "tags": []
},
"source": [
- "Rücksendungen sind im Modehandel ein kostspieliges Problem, oft mit Rückgabequoten von bis zu 50%. Viele Kunden bestellen mehrere Größen, um die richtige Größe zu finden. Mit dem Datenmodell, das auf einem Datensatz von ModCloth basiert, können Modehändler nun präzise Größenempfehlungen geben. Das Modell nutzt Körpermerkmale wie Taillenumfang, Größe und Hüftumfang, um die perfekte Größe vorherzusagen. Eine logistische Regression zeigte, dass das Modell etwa 73,7% der Variabilität in den Rücksendungen erklären kann, was zu konsistenten Vorhersagen führt. Durch den Einsatz dieses Modells können Rücksendungen reduziert werden. Diese Lösung lässt sich am besten in ein bestehendes CRM-Systeme integrieren und erhöht sowohl die Kundenzufriedenheit als auch die Effizienz des Unternehmens."
- ]
- },
- {
- "cell_type": "markdown",
- "metadata": {},
- "source": [
- "## Business"
+ "## Daten"
]
},
{
@@ -62,45 +48,27 @@
"metadata": {
"editable": true,
"include": true,
- "paragraph": "BusinessUnderstanding",
+ "paragraph": "Daten",
"slideshow": {
- "slidetype": ""
+ "slide_type": ""
},
"tags": [
- "Business"
+ "daten"
]
},
"source": [
- "Rücksendungen sind Teil des Geschäftsmodells vieler Modegeschäfte. Die Rückgabequote der Unternehmen liegen oft bei etwa 50 %, was das Unternehmen unnötig viel Geld und Aufwand kostet. Hinzu kommt: Gerade in der Modebranche gibt es viele Kunden, die schon vor ihrer Bestellung wissen, dass sie den Artikel mit hoher Wahrscheinlichkeit zurückschicken werden. Sie bestellen zum Beispiel ein und dasselbe Hemd in verschiedenen Größen, weil sie nicht sicher sind, welches passen wird. Mit dieser Demo kann es möglich gemacht werden, Kunden anhand von Körpermerkmalen direkt die passende Größe vorzuschlagen. Dies trägt zur Kundenzufriedenheit bei und senkt die Quote der Retouren."
- ]
- },
- {
- "cell_type": "markdown",
- "metadata": {},
- "source": [
- "## Daten"
+ "Der Datensatz für diese Demo wurde auf der Kaggle-Plattform heruntergeladen und stammt von ModCloth, einem Online-Geschäft für Damenbekleidung. Die Daten beziehen sich auf tatsächlich verkaufte Kleidungsstücke und enthalten zusätzliche Informationen über die Passform bei den Kunden. Der Datensatz umfasst mehrere Merkmale, darunter Taillenumfang, Größe, Qualität, Körbchengröße, Hüftumfang, BH-Größe, Brustumfang, Kategorie, Länge, Passform, Schuhgröße, Schuhbreite, etc. Ziel ist es, anhand dieser Merkmale Muster und Zusammenhänge zu erkennen, die Aufschluss darüber geben, wie gut die Kleidung den Kundenerwartungen entspricht und wie diese Informationen zur Verbesserung der Produktangebote und der Kundenzufriedenheit genutzt werden können."
]
},
{
"cell_type": "markdown",
"metadata": {
"editable": true,
- "include": true,
- "paragraph": "BusinessUnderstanding",
"slideshow": {
- "slidetype": ""
+ "slide_type": ""
},
- "tags": [
- "Daten"
- ]
+ "tags": []
},
- "source": [
- "Der Datensatz für diese Demo wurde auf der Kaggle-Plattform heruntergeladen und stammt von ModCloth, einem Online-Geschäft für Damenbekleidung. Die Daten beziehen sich auf tatsächlich verkaufte Kleidungsstücke und enthalten zusätzliche Informationen über die Passform bei den Kunden. Der Datensatz umfasst mehrere Merkmale, darunter Taillenumfang, Größe, Qualität, Körbchengröße, Hüftumfang, BH-Größe, Brustumfang, Kategorie, Länge, Passform, Schuhgröße, Schuhbreite, etc. Ziel ist es, anhand dieser Merkmale Muster und Zusammenhänge zu erkennen, die Aufschluss darüber geben, wie gut die Kleidung den Kundenerwartungen entspricht und wie diese Informationen zur Verbesserung der Produktangebote und der Kundenzufriedenheit genutzt werden können."
- ]
- },
- {
- "cell_type": "markdown",
- "metadata": {},
"source": [
"## Datenvorbereitung"
]
@@ -110,12 +78,12 @@
"metadata": {
"editable": true,
"include": true,
- "paragraph": "BusinessUnderstanding",
+ "paragraph": "Datenvorbereitung",
"slideshow": {
- "slidetype": ""
+ "slide_type": ""
},
"tags": [
- "Datenvorbereitung"
+ "datenvorbereitung"
]
},
"source": [
@@ -124,7 +92,13 @@
},
{
"cell_type": "markdown",
- "metadata": {},
+ "metadata": {
+ "editable": true,
+ "slideshow": {
+ "slide_type": ""
+ },
+ "tags": []
+ },
"source": [
"## Datenmodell"
]
@@ -134,12 +108,12 @@
"metadata": {
"editable": true,
"include": true,
- "paragraph": "BusinessUnderstanding",
+ "paragraph": "Datenmodell",
"slideshow": {
- "slidetype": ""
+ "slide_type": ""
},
"tags": [
- "Datenmodell"
+ "datenmodell"
]
},
"source": [
@@ -148,7 +122,13 @@
},
{
"cell_type": "markdown",
- "metadata": {},
+ "metadata": {
+ "editable": true,
+ "slideshow": {
+ "slide_type": ""
+ },
+ "tags": []
+ },
"source": [
"## Evaluation"
]
@@ -158,12 +138,12 @@
"metadata": {
"editable": true,
"include": true,
- "paragraph": "BusinessUnderstanding",
+ "paragraph": "Evaluation",
"slideshow": {
"slidetype": ""
},
"tags": [
- "Evaluation"
+ "evaluation"
]
},
"source": [
@@ -172,7 +152,13 @@
},
{
"cell_type": "markdown",
- "metadata": {},
+ "metadata": {
+ "editable": true,
+ "slideshow": {
+ "slide_type": ""
+ },
+ "tags": []
+ },
"source": [
"## Umsetzung"
]
@@ -182,12 +168,12 @@
"metadata": {
"editable": true,
"include": true,
- "paragraph": "BusinessUnderstanding",
+ "paragraph": "Umsetzung",
"slideshow": {
- "slidetype": ""
+ "slide_type": ""
},
"tags": [
- "Umsetzung"
+ "umsetzung"
]
},
"source": [
@@ -3009,9 +2995,11 @@
"name": "python",
"nbconvert_exporter": "python",
"pygments_lexer": "ipython3",
- "version": "3.7.4"
+ "version": "3.11.7"
},
- "teaser": "Rücksendungen sind im Modehandel ein kostspieliges Problem, oft mit Rückgabequoten von bis zu 50%. Viele Kunden bestellen mehrere Größen, um die richtige Größe zu finden. Mit dem Datenmodell, das auf einem Datensatz von ModCloth basiert, können Modehändler nun präzise Größenempfehlungen geben. Das Modell nutzt Körpermerkmale wie Taillenumfang, Größe und Hüftumfang, um die perfekte Größe vorherzusagen. Eine logistische Regression zeigte, dass das Modell etwa 73,7% der Variabilität in den Rücksendungen erklären kann, was zu konsistenten Vorhersagen führt. Durch den Einsatz dieses Modells können Rücksendungen reduziert werden. Diese Lösung lässt sich am besten in ein bestehendes CRM-Systeme integrieren und erhöht sowohl die Kundenzufriedenheit als auch die Effizienz des Unternehmens.",
+ "repoLink": "https://gitlab.reutlingen-university.de/ki_lab/machine-learning-services/-/blob/main/Online%20Retail/Size%20prediction%20for%20online%20fashion%20retailer/notebook.ipynb?ref_type=heads",
+ "skipNotebookInDeployment": false,
+ "teaser": "Rücksendungen sind im Modehandel ein kostspieliges Problem, oft mit Rückgabequoten von bis zu 50%. Viele Kunden bestellen mehrere Größen, um die richtige Größe zu finden. Mit dem Datenmodell, das auf einem Datensatz von ModCloth basiert, können Modehändler nun präzise Größenempfehlungen geben. Das Modell nutzt Körpermerkmale wie Taillenumfang, Größe und Hüftumfang, um die perfekte Größe vorherzusagen. Eine logistische Regression zeigte, dass das Modell etwa 73,7% der Variabilität in den Rücksendungen erklären kann, was zu konsistenten Vorhersagen führt. Durch den Einsatz dieses Modells können Rücksendungen reduziert werden. Diese Lösung lässt sich am besten in ein bestehendes CRM-Systeme integrieren und erhöht sowohl die Kundenzufriedenheit als auch die Effizienz des Unternehmens",
"title": "Vorhersage der Kleidergrößen von Kunden"
},
"nbformat": 4,