library(tidyverse)
library(rpart)

if(!require(rpart.plot)){
  install.packages("rpart.plot")
  library(rpart.plot)
}

# Aufgabe 1
df_cars = read_csv('https://github.com/NikoStein/dma_data/raw/main/cars.csv')

# a) Sie vermuten einen Zusammenhang zwischen dem Alter und dem Wert eines Fahrzeuges. Stellen Sie den 
# Zusammenhang grafisch dar und quantifizieren Sie ihn. 


# b) Der Datensatz enthält weitere interessante Informationen. Probieren Sie den Erklärungsgehalt Ihres 
# Modells zu vebessern und interpretieren Sie die jeweiligen Ergebnisse.



# Aufgabe 2
df_basketball = read_csv2('https://github.com/NikoStein/dma_data/raw/main/basketball_complete.csv')

# a)	Um welche Art von Lernproblem handelt es sich?

# b) Analysieren Sie die Daten und versuchen Sie händisch ein geeignetes Modell für die Vorhersage zu entwickeln. 

# c) Trainieren und evaluieren Sie einen Entscheidungsbaum zur Vorhersage der einzelnen Würfe. Achten Sie darauf einen 
# Train-Test Split zu verwenden.



# Aufgabe 3
df_cs = read_csv('https://github.com/NikoStein/dma_data/raw/main/csgo.csv')

# a) Wie oft gewinnt das Team mit dem meisten Geld?

# b) Welche Variablen sind besonders geeignet den Sieger vorherzusagen? 

# c) Wie gut kann ein Entscheidungsbaum den Ausgang einer unbekannten Runde vorhersagen?