Woche 6 | Session 5: Klassifikationsbaum in Python — Volle Praxis mit Code

Kurs: Supply Chain Digitalisierung — Modul 3: Analytics im SCM

---

Session-Agenda

Hinweis

• Verwendete Bibliotheken — pandas, sklearn, matplotlib
• Schritt 1: Daten importieren (maintenance.csv → DataFrame)
• Schritt 2: Variablen auflisten, X (Merkmale) und Y (Ziel) definieren
• Schritt 3: In Trainings- (70%) und Testdaten (30%) aufteilen
• Schritt 4: Klassifikationsbaum erstellen (Gini, max_depth=2)
• Schritt 5: Entscheidungsbaum ausgeben / visualisieren
• Schritt 6: Auf Testdaten vorhersagen, Confusion Matrix lesen, Genauigkeit berechnen
• Ausführung in Google Colab

---

Session-Kontext — Von der Theorie zum Code

• Sessions 3 & 4: Zeigten den Output des Modells und erklärten WIE es aufgebaut ist (Gini, Knotenaufteilung, Stoppkriterien)
• Session 5: Reproduzieren genau desselben Outputs mit Python-Code — schließt den Kreis von Theorie zu Implementierung
• Plattform: Google Colab — browserbasierte Python-Umgebung, keine lokale Installation nötig
• Datendatei: maintenance.csv — 1000 Zeilen, 8 Spalten (derselbe Datensatz wie in Sessions 3 & 4)
• Erwarteter Output: Gleiche Entscheidungsbaum-Struktur, gleiche Gini-Werte, gleiche Knotenzahlen wie in den Theorie-Folien

---

Verwendete Bibliotheken

Bibliothek	Importieren als / Von	Zweck in diesem Modell
pandas	import pandas as pd	Datenmanipulation und -analyse. Wird verwendet, um die CSV-Datei zu lesen und den DataFrame zu erstellen.
sklearn (scikit-learn)	from sklearn import...	Machine-Learning-Bibliothek. Bietet Entscheidungsbaum-Klassifikator, Train-Test-Split, Confusion Matrix und Genauigkeitswert.
matplotlib	import matplotlib.pyplot as plt	Plotting-Bibliothek. Wird verwendet, um das Entscheidungsbaum-Diagramm zu visualisieren und zu drucken.

---

Komplette Code-Referenz — Alle Schritte zusammen

# ── SCHRITT 1: Bibliotheken & Daten importieren ─────────────────
import pandas as pd
import matplotlib.pyplot as plt
from sklearn import tree
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix, accuracy_score

df = pd.read_csv("maintenance.csv")

# ── SCHRITT 2: Merkmale (X) und Ziel (Y) definieren ─────────────
X_features = list(df.columns)
X_features.remove("machine_failure")
X = df[X_features]
Y = df["machine_failure"]

# ── SCHRITT 3: Train-Test-Aufteilung ────────────────────────────
X_train, X_test, Y_train, Y_test = train_test_split(
    X, Y, test_size=0.30, random_state=42)

# ── SCHRITT 4: Klassifikationsbaum erstellen ────────────────────
clf = DecisionTreeClassifier(criterion="gini", max_depth=2)
clf.fit(X_train, Y_train)

# ── SCHRITT 5: Baum ausgeben ────────────────────────────────────
plt.figure(figsize=(15, 10))
tree.plot_tree(clf,
    feature_names=X_train.columns,
    class_names=["Not Failed", "Failed"],
    filled=True)
plt.show()

# ── SCHRITT 6: Vorhersagen & Evaluieren ─────────────────────────
Y_pred = clf.predict(X_test)
cm = confusion_matrix(Y_test, Y_pred)
acc = accuracy_score(Y_test, Y_pred)
print("Confusion Matrix:\n", cm)
print("Accuracy:", acc)

---

Schritt-für-Schritt Aufschlüsselung

Schritt 1 — Daten importieren

• pd.read_csv(): Liest die CSV-Datei und speichert sie als DataFrame (df) — eine Tabelle mit beschrifteten Zeilen und Spalten.
• Nach diesem Schritt: df hat 1000 Zeilen und 8 Spalten einschließlich des Ziels (machine_failure).

Schritt 2 — X (Merkmale) und Y (Ziel) definieren

• X: 7 unabhängige Variablen (alle Spalten außer machine_failure) — werden verwendet, um Y vorherzusagen.
• Y: Spalte machine_failure — was das Modell vorhersagen muss (0 = nicht ausgefallen, 1 = ausgefallen).

Schritt 3 — Train-Test-Aufteilung (70/30)

• Warum aufteilen? Wenn das Modell mit denselben Daten trainiert und getestet wird → künstlich überhöhte Genauigkeit (Overfitting). Testdaten müssen zurückgehalten und DÜRFEN NIEMALS beim Training verwendet werden.
• test_size=0.30: 30% = 300 Beobachtungen zum Testen. 70% = 700 zum Training.

Tipp

★ Prüfungstipp: Erklären Sie immer, WARUM ein Train-Test-Split nötig ist (um Overfitting zu vermeiden und eine unvoreingenommene Schätzung der Modellgenauigkeit bei neuen Daten zu erhalten). Erwähnen Sie 70/30 und dass Testdaten vom Modell während des Trainings nie gesehen werden.

Schritt 4 — Klassifikationsbaum erstellen

• criterion="gini": Nutzt den Gini-Unreinheitsindex, um zu entscheiden, welche Variable und welcher Cutoff zum Aufteilen jedes Knotens verwendet wird.
• max_depth=2: Stoppt die Aufteilung, nachdem 2 Ebenen von der Wurzel erreicht wurden. Verhindert Overfitting. Produziert 4 Blattknoten.
• clf.fit(X_train, Y_train): Trainiert das Modell — der Algorithmus findet die besten Splits unter Verwendung von 700 Trainingsbeobachtungen.

Schritt 5 — Entscheidungsbaum visualisieren

• Der Output entspricht exakt dem Diagramm aus Session 3: Gleiche Splits (Ölkontamination → MTBF / Auslastung), gleiche Gini-Werte, gleiche Stichprobenzahlen.
• Knoten 0 (Wurzel): 700 Samples | Gini = 0,462 | Split: oil_contamination ≤ 5.5

Schritt 6 — Auf Testdaten vorhersagen und Modell evaluieren

6a. Vorhersagen generieren

• clf.predict(X_test): Wendet das trainierte Modell auf die 300 Testbeobachtungen an — produziert vorhergesagte Y-Werte.

6b. Confusion Matrix (Wahrheitsmatrix)

	Vorhergesagt: FÄLLT NICHT AUS (0)	Vorhergesagt: FÄLLT AUS (1)
Tatsächlich: FÄLLT NICHT AUS (0)	57 ✓ True Negative (Richtig Negativ)	65 ✗ False Positive (Falsch Positiv)
Tatsächlich: FÄLLT AUS (1)	16 ✗ False Negative (Falsch Negativ)	162 ✓ True Positive (Richtig Positiv)

• True Negative (57): Modell hat richtig vorhergesagt, dass die Maschine NICHT ausfällt — tatsächlich auch nicht ausgefallen.
• True Positive (162): Modell hat richtig vorhergesagt, dass die Maschine AUSFÄLLT — tatsächlich auch ausgefallen.
• False Positive (65): Modell hat AUSFALL vorhergesagt — Maschine ist aber NICHT ausgefallen (Fehlalarm).
• False Negative (16): Modell hat KEINEN AUSFALL vorhergesagt — Maschine ist aber AUSGEFALLEN (verpasster Ausfall — in der Praxis viel gefährlicher).

6c. Genauigkeitswert (Accuracy)

• Genauigkeit = 73%: 73 von 100 Testinstanzen werden richtig vorhergesagt. (57 + 162) / 300 = 0,73.
• Vergleich zur Basis: Wenn das Modell immer “FÄLLT AUS” (Mehrheitsklasse, 64%) vorhersagen würde → 64% Genauigkeit. Das Modell erreicht 73% → bedeutsame Verbesserung.

Hinweis

★ 73% Testgenauigkeit auf ungesehenen Daten. Modell ist verallgemeinerbar. Die 16 False Negatives (verpasste Ausfälle) sind das Hauptrisiko, das in einem Werk überwacht werden muss.

---

Ausführung in Google Colab

1. Browser öffnen → zu colab.research.google.com gehen → mit Google-Konto anmelden
2. Neues Notebook → maintenance.csv über das Datei-Upload-Symbol (linke Seitenleiste) hochladen
3. Den kompletten Code von oben kopieren und in eine Codezelle einfügen
4. Zellen nacheinander ausführen (Shift + Enter oder auf den ▶ Button klicken)
5. Das Entscheidungsbaum-Diagramm wird im Ausgabebereich gerendert. Confusion Matrix und Genauigkeit werden unten gedruckt.

Tipp

★ Prüfungstipp: Sie sollten in der Lage sein, den 6-Schritte-Codeablauf (Import → X/Y definieren → aufteilen → aufbauen → ausgeben → evaluieren) aus dem Gedächtnis aufzuschreiben. Wissen Sie, was jeder Schritt macht. Kennen Sie den Aufbau der Confusion Matrix — TP, TN, FP, FN.

---

Zusammenfassung der Session

• Session 3: Setup der Fallstudie + OUTPUT des Entscheidungsbaums — 4 Blattknoten, Geschäftsregeln, 2 Vorhersagebeispiele
• Session 4: WIE der Baum aufgebaut wird — Gini-Index, Entropie, Logik der Knotenaufteilung, Stoppkriterien, Overfitting
• Session 5 (diese Session): Python-Implementierung — 6-Schritte-Code, exakt gleicher verifizierter Output, Confusion Matrix, 73% Testgenauigkeit
• Nächstes Modul: KI/ML für Bedarfsplanung — weitere Predictive-Analytics-Anwendungen im SCM