From 63ec330d8070285803cbe68133fc30a46c449835 Mon Sep 17 00:00:00 2001
From: Manuel <Manuelfrank1202@gmail.com>
Date: Thu, 27 Jun 2024 00:12:56 +0200
Subject: [PATCH] Tags added

---
 .../notebook.ipynb                                         | 7 ++++---
 1 file changed, 4 insertions(+), 3 deletions(-)

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 10fca0c..508f225 100644
--- a/Online Retail/Size prediction for online fashion retailer/notebook.ipynb	
+++ b/Online Retail/Size prediction for online fashion retailer/notebook.ipynb	
@@ -2991,7 +2991,9 @@
   }
  ],
  "metadata": {
+  "branche": "Handel",
   "category": "Online Retail",
+  "funktion": "Logistik",
   "kernelspec": {
    "display_name": "Python 3 (ipykernel)",
    "language": "python",
@@ -3009,9 +3011,8 @@
    "pygments_lexer": "ipython3",
    "version": "3.7.4"
   },
-  "tags": [
-   "Teaser"
-  ]
+  "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,
  "nbformat_minor": 4
-- 
GitLab