مقايسه عملكرد چند الگوريتم‌ مختلف يادگيري ماشين براي پيش‌بيني قصد خريد كاربران – مطالعه موردي فروشگاه اينترنتي

كارشناسي

امروزه با توجه به پيشرفت چشم‌گير تجارت الكترونيك، مردم به دنبال يافتن اقلام موردنياز خود از طريق سايت‌هاي اينترنتي و خريد آنلاين هستند تا بتوانند به راحتي و در زمان كوتاهي كالاهاي مورد نظر خود را خريداري نمايند. اين افزايش تقاضا موجب شده است كه حتي فروشندگان سنتي درصدد ايجاد بستري براي فروش آنلاين برآيند. بنابراين شناسايي الگوهاي رفتاري مشتريان اينترنتي مختلف براي قصد خريد از طريق تجزيه و تحليل تاريخچه مشتريان، به عنوان يك نياز مهم براي فروشندگان در دنياي رقابتي كنوني به شمار مي‌رود. در تحقيق پيش رو به منظور ايجاد بهترين مدل براي پيش‌بيني قصد خريد مشتريان اينترنتي و با هدف نمايش محتواي مناسب به كاربراني كه قصد خريد دارند به جهت افزايش احتمال خريد در آن‌ها، از چندين الگوريتم يادگيري ماشين مانند پرسپترون چندلايه، ماشين بردار پشتيبان، درخت تصميم، جنگل تصادفي و ايكس‌جي‌بوست براي پياده‌سازي بر روي مجموعه داده تجربي مشتريان آنلاين يك فروشگاه اينترنتي كه از سايت معتبر كگل برداشته شده است، استفاده شده است. همچنين جهت بهبود عملكرد الگوريتم‌ها و مقياس‌پذيري بيش‌تر آن‌ها، تكنيك‌هاي بيش‌نمونه‌گيري و انتخاب ويژگي به كار گرفته شده است و نتيجه مدل‌سازي در سه مرحله نشان داد كه الگوريتم ايكس‌جي‌بوست در رقابت با جنگل تصادفي، در اكثر موارد بهترين عملكرد را از خود نشان داد و در آخر نيز از طريق پياده‌سازي آن بر روي مجموعه داده با استفاده از هر دو تكنيك انتخاب ويژگي و بيش‌نمونه‌گيري با شاخص ارزيابي دقت 0.891، حساسيت 0.79، امتياز اف1 0.70 و تشخيص 0.92 برگزيده شد.

196840

دانشگاه علم و صنعت ايران

مهندسي صنايع

دكتر مهدي غضنفري