Fluggesellschafts-Datenanalyse - Multi-Task-ML

Dieses Projekt ist eine umfassende Machine-Learning-Analyse von Fluggesellschafts-Daten, implementiert drei verschiedene ML-Aufgaben: binäre Klassifikation, Multi-Klassen-Klassifikation und Regression. Das Projekt vergleicht mehrere Algorithmen (Gaussian Naive Bayes, Categorical Naive Bayes, Linear SVC, Logistische Regression, Random Forest) über alle drei Aufgaben hinweg, mit umfangreicher Modell-Evaluierung, Vergleich und Persistenz. Die Arbeit umfasst Hyperparameter-Tuning, Modell-Auswahl und umfassende Performance-Analyse. Random Forest wurde als bestperformendes Modell für sowohl binäre als auch Multi-Klassen-Klassifikations-Aufgaben identifiziert.