A machine learning approach to predict the buy box winner
Satın alma kutusu kazananını tahmin etmek için bir makine öğrenimi yaklaşımı
- Tez No: 904004
- Danışmanlar: YRD. DOÇ. DR. SELAMİ BAĞRIYANIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Veri Analitiği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
E-ticaret pazar yeri, ürün sayfasında satın alma kutusu kazananını seçerek birden fazla tüccarın müşterilere ürün sunmasına olanak tanır. Bu konum tüccarlar için çok önemlidir, satışların çoğu satın alma kutusu tüccarları aracılığıyla gerçekleşir. E-ticaret pazar yeri, tüccarların pazarda rekabet etmek için kullandıkları pratik stratejilerin anlaşılmaması nedeniyle önemli bir zorlukla karşı karşıyadır. E-ticaretin dinamik dünyasında, platformlardaki Satın Alma Kutusu özelliği, seçilmiş satıcılara birinci sınıf listeleme alanı vererek satışları artırmada önemli bir rol oynar. Tez, satın alma kutusu alanlarını kazanma gereksinimlerini anlamayı amaçlamaktadır. Tez, satın alma kutusu alanlarını kazanma gereksinimlerini anlamayı amaçlamaktadır. Çalışmamız, satın alma kutusunun kazananını tahmin etmek için bir makine öğrenimi yaklaşımı kullandı. Sürecimizi geliştirmek için bir topluluk yöntemi ve regresörleri istifledik. Birçok tüccarın özelliklerinden oluşan veri setini topladık. Satın alma kutusu kazananlarını tahmin etmek için Rastgele Orman Regresörü, Doğrusal Regresyon, Cat Boost Regresörü, Ekstra Ağaçlar Regresörü, Gradient Boosting Regresörü, Hist Gradient Boosting Regresörü, XGBRegressor, LGBM Regresörü gibi bir dizi regresyon modeli uyguladık. Kullanılan regresörleri karşılaştırmak için MSE, MAE, RMSE ve eğitim süresini kullandık. Regresörleri değerlendirme metriklerinin değerine bağlı olarak sıraladık. Topluluk yönteminde kullandığımız en iyi üç regresör Rastgele Orman, EkstraAğaçlar Regresörü ve XGBoost Regresörüdür.
Özet (Çeviri)
The e-commerce marketplace allows multiple merchants to offer products to customers by selecting the seller who will be featured as the Buy Box winner on the product detail listing page. This position is crucial for merchants, as most of the sales occur through the Buy box. The e-commerce marketplace faces a significant challenge due to the shortage of comprehension of the practical strategies merchants employ to compete in the market. In the dynamic world of e-commerce, the Buy Box feature on platforms plays an essential role in driving sales by awarding prime listing space to selected sellers. The thesis aims to understand the requirements for winning Buy Box areas. The thesis aims to understand the requirements for winning Buy Box areas. Our work has used a machine learning approach to predict the winner of Buy Box. We used an ensemble method with a stacking technique to enhance our process. We have gathered the dataset which consists of many merchants' features. We have applied several regression models such as Random Forest Regressor, Linear Regression, Cat Boost Regressor, Extra Trees Regressor, Gradient Boosting Regressor, Hist Gradient Boosting Regressor, XGBRegressor, LGBM Regressor to predict Buy Box winners. We used the MSE, MAE, RMSE, and training time to compare the regressors that are used. We have sorted the regressors depending on the value of the evaluation metrics. The three best regressors that were used in the ensemble method are Random Forest, Extra Trees Regressor, and XGBoost Regressor.
Benzer Tezler
- A machine learning approach to understand the amazon buy box mechanism
Amazon buy box mekanizmasını anlamak için bir makine öğrenmesi yaklaşımı
EMRE ERYILMAZ
Yüksek Lisans
İngilizce
2022
İşletmeSabancı Üniversitesiİş Analitiği Ana Bilim Dalı
Assoc. Prof. Dr. AYŞE KOCABIYIKOĞLU
Assist. Prof. Dr. BURAK GÖKGÜR
- Automated cryptocurrency trading using machine learning methods
Makine öğrenmesi yöntemleri ile otomatik kripto para ticareti
FARUK ÖZER
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMAL OKAN ŞAKAR
- Stock trend prediction and portfolio optimization
Hisse senedi trend tahmini ve portfoy optimizasyonu
DENİZ PEKŞEN
Yüksek Lisans
İngilizce
2022
EkonomiÖzyeğin ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. OKAN ÖRSAN ÖZENER
- Feasibility analysis based on advanced deep learning techniques in integrating renewable energy resources into microgrids
Yenilenebilir enerji kaynaklarının mikroşebekelere entegre edilmesinde gelişmiş derin öğrenme tekniklerine dayalı uygulanılabilirlik analizi
FATHI FARAH FADOUL FATHI FARAH FADOUL
Doktora
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAMAZAN ÇAĞLAR
- Purchase prediction and item prediction with RNN using different user-item interactions
Farklı kullanıcı-ürün etkileşim türlerini kullanarak özyineli sinir ağları ile ürün ve satış tahminlemesi
FULYA ÇELEBİ SARIOĞLU
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUSUF YASLAN