Inhaltsübersicht
Die wichtigsten Informationen mit Fokus auf Business-Impact
Ein US-Gebrauchtwagenhändler kauft Fahrzeuge günstig auf Auktionen ein, um sie mit Marge weiterzuverkaufen. Das größte Risiko: ein 'Bad Buy' — ein Fahrzeug mit schweren Mängeln, das sich nicht weiterverkaufen lässt und stattdessen Lager-, Reparatur- und Abschreibungskosten verursacht.
Leitfrage: Lässt sich vor dem Kauf erkennen, ob ein Angebot ein Fehlkauf ist — ohne zu viele gute Autos abzulehnen? Das ist ein Precision/Recall-Abwägungsproblem auf einer seltenen Zielklasse, kein Accuracy-Problem.
Triage statt Automatik.
Das Modell markiert Auffälligkeiten zur menschlichen Prüfung – kein automatisches Ablehnen oder Durchwinken.
57.516 gute Käufe (87,65 %) vs. 8.104 Bad Buys (12,35 %).
Ein Modell, das immer 'guter Kauf' tippt, hätte 87,65 % Accuracy und würde trotzdem keinen einzigen Fehlkauf finden — deshalb ist F1 der Bad-Buy-Klasse die Leitmetrik, nicht Accuracy.
Nach einer Stunde Wartezeit steht sofort eine auswertbare Tabelle mit allen 448 Kombinationen zur Verfügung.
WheelType = Unknown dominiert die Koeffizienten des Champion-Modells — vor Preis und Alter.
F1-optimaler Schwellenwert bei 0,65 statt Standard 0,5 — abgestimmt auf den Triage-Zweck: Fehlkäufe fangen, ohne zu viele gute Autos abzulehnen.
- Modell bei Threshold 0,65 laufen lassen, um ~10 % eines Autostapels für menschliche Prüfung zu markieren, bei ~45 % Trefferquote
- Nicht als automatische Ablehnung nutzen — dafür ist die Genauigkeit nicht hoch genug
- Direkt beim Ankauf prüfen — kostet nichts extra, das Feld wird eh schon erfasst
- Fehlkaufquote bei fehlendem Eintrag: 70,3 % vs. 12,3 % Durchschnitt
- Ein zweites, unabhängiges Risiko-Merkmal ergänzen (z. B. Abweichung vom Marktpreis)
- Gezielt für neuere, teurere Fehlkäufe, die aktuell verpasst werden
- cats_strong (7 Feat.) erreicht F1 0,3587 — 96 % der Leistung des vollen 28-Feature-Katalogs
- Lohnt einen echten Vergleich: viel einfacheres, leichter wartbares Modell für kaum F1-Verlust
Fast leer und doch stark
Ein fast leeres Datenfeld war das stärkste Signal. Systematisches Testen schlägt Handverlesen: ein breiter Feature-Katalog plus sauberes Threshold-Tuning bringen mehr als ein einzelnes 'besseres' Modell. Der Champion läuft als Triage-Filter, nicht als Automatik — er markiert, ein Mensch entscheidet.