Ağaç temelli makine öğrenmesi yöntemleri ile e-ticaret sitesi müşteri harcamalarını tahmin edecek modelin belirlenmesi
Determining the model to estimate e-commerce site customers' spending with tree-based machine learning
- Tez No: 711152
- Danışmanlar: DOÇ. DR. SEDA BAĞDATLI KALKAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Teknoloji, günümüz dünyasında en hızlı gelişen ve yaygınlaşan bir kavramdır. Teknolojinin yaygınlaşması ile dijitalleşme de doğru orantılı olarak sürekli artış göstermiş olup bireylerin satın alma davranışları da bu değişime ayak uydurmuştur. İnternet ortamına kolayca erişebilen bireyler, fiziksel mağazalardan alışveriş yapmak yerine online alışveriş yöntemine yönelmiştir. Bireylerin online alışverişe yönelmesi ile e-ticaret sektörü gelişmiştir. Genel olarak bakıldığında; küresel ölçekte satış yapabilme, kira ve çalışan ücretleri gibi şirket içindeki sabit giderlerde azalma, 7/24 satış yapabilme, online ve düşük maliyetli stok takibi gibi faktörler e-ticaretin önemini giderek arttırmaktadır. E-ticaretin en avantajlı yanlarından biri de online platformda müşteri hareketliliğinin kolayca takip edilebilmesidir. Şirketler, müşterinin her“tıklamasını”analiz ederek müşteriyi tanımaya çalışmaktadır. Bu çalışma kapsamında, makine öğrenmesi kavramı, süreçleri anlatılmakta ve uygulama olarak Google Merchandise Store (googlemerchandisestore.com) web sitesi verileri kullanılmaktadır. Makine öğrenmesi yöntemlerinden olan Ağaç Temelli Modellerden (Tree Based Methods) faydalanılarak online platforma giren müşterilerin alışverişte ne kadar harcama yapacağını tahmin edecek modeller üzerine çalışılmaktadır. Çalışmada, makine öğrenmesi uygulama adımları tamamlanarak Karar Ağaçları, Rassal Ormanlar, GBM, LightGBM, XGBoost ve CatBoost modelleri kullanılmaktadır. Modellerin başarı performansları kıyaslanarak en iyi tahmin sonuçlarını veren modeli bulmak amaçlanmış ve sonuçta en iyi tahmin performansı veren modelin hangisi olduğu belirlenmiştir. Ayrıca en iyi performansı veren model ile müşterilerin harcamalarında hangi faktörlerin daha etkili olduğu sıralanmıştır.
Özet (Çeviri)
Technology is rapidly developing and spreading in today's world. With the spread of technology, digitalization has also increased in direct proportion, and the purchasing behavior of individuals has also kept up with this change. Individuals who can easily access the internet have turned to online shopping instead of shopping from physical stores. With the orientation of individuals to online shopping, the e-commerce sector has developed. In addition, factors such as the ability to sell on a global scale, decrease in company fixed expenses such as rent and employee wages, 24/7 sales, online and low-cost inventory tracking are increasing the importance of e-commerce. One of the most advantageous aspects of e-commerce is that customer activity can be easily followed on the online platform. Companies try to get to know the customer by analyzing every“click”of the customer. Within the scope of this study, the concept of machine learning and its processes are explained and Google Merchandise Store (googlemerchandisestore.com) website data is used as an application. Using Tree Based Methods, one of the machine learning methods, models that will estimate how much customers who enter the online platform will spend on shopping are studied. In the study, after the data was pre-processed, the amount of expenditure was estimated with Decision Tree, Random Forest, GBM, LightGBM, XGBoost ve CatBoost. By comparing the success performances of the models, it was aimed to find the model that gave the best prediction results, and as a result, it was determined which model gave the best prediction performance.In addition, the model with the best performance listed which factors are more effective in customers' spending.
Benzer Tezler
- Stratejik yönetim perspektifinden sigortacılık sektöründe makine öğrenmesi algoritmaları ile anomali tespiti
An application of machine learning to anomaly detection in insurance industry using strategic management approach
AYŞE NURBANU ŞAHAN
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. TOLGA KAYA
- A new agro-meteorological drought index based on remote sensing
Uzaktan algılama temelli yeni bir agro-meteorolojik kuraklık indeksi
EYYUP ENSAR BAŞAKIN
Doktora
İngilizce
2024
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET CÜNEYD DEMİREL
- Dalgacık dönüşümü yöntemi ile kendi yapılanan işaret örüntü kodlama
Self organised signal pattern encoding by wavelet transform method
MERİÇ YÜCEL
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET SERTBAŞ
PROF. DR. BURAK BERK ÜSTÜNDAĞ
- Deep learning based road segmentation from multi-source and multi-scale data
Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi
OZAN ÖZTÜRK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Ağaç temelli makine öğrenmesi yöntemleri ile kredi risk analizi
Credit risk analysis using tree based machine learning methods
SAFA BOZKURT COŞKUN
Yüksek Lisans
Türkçe
2023
İstatistikİstanbul Ticaret Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MÜNEVVER TURANLI