Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/31288
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Хазанов Александр Владимирович | ru_RU |
dc.contributor.advisor | Hazanov Aleksandr Vladimirovic | en_GB |
dc.contributor.author | Ду Шаохуэй | ru_RU |
dc.contributor.author | Du Saohuej | en_GB |
dc.contributor.editor | Кудрявцев Дмитрий Вячеславович | ru_RU |
dc.contributor.editor | Kudravcev Dmitrij Vaceslavovic | en_GB |
dc.date.accessioned | 2021-07-31T18:40:01Z | - |
dc.date.available | 2021-07-31T18:40:01Z | - |
dc.date.issued | 2021 | |
dc.identifier.other | 080713 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/31288 | - |
dc.description.abstract | Авторы Ду Шаохуэй Название магистерской диссертации Прогнозирование повторных продаж с помощью диффузных моделей Факультет Высшая школа менеджмента Направление подготовки Бизнес-аналитика и большие данные Год 2021 Научный руководитель Кудрявцев Дмитрий Вячеславович Описание цели, задач и основных результатов Цель этого исследования - улучшить способность моделей машинного обучения предсказывать поведение потребителей при повторной покупке за счет слияния моделей. Задачи исследования: 1. Обработка данных и разработка функций. 2. Моделирование и сравнительная оценка моделей. 3. Применение и улучшение модели слияния. Основные результаты включают систематическое сравнение широко используемых моделей машинного обучения и методов объединения моделей в отрасли, а также усовершенствование метода объединения моделей с накоплением. Ключевые слова Прогнозирование выкупа, слияние моделей, классификация, классификационная модель машинного обучения. | ru_RU |
dc.description.abstract | Master Student Names Du Shaohui Master Thesis Title Consumer Repurchase Behavior Prediction Based on Different Fusion Models Title Faculty Graduate School of Management Main field of study Business Analytics and Big Data Year 2021 Academic Advisor’s Name Dmitry Kudryavtsev Description of the goals, tasks, and main results The goal of this study is to improve the predictive ability of machine learning models on consumer repurchase behavior through model fusion.. The research tasks are: 1. Data processing and feature engineering. 2. Modeling and model comparison evaluation. 3. Model fusion application and improvement. The main results incluse systematically compared the widely used machine learning models and model fusion methods in the industry, and improved the stacking model fusion method. Keywords Repurchase prediction, model fusion, classification, machine learning classification model. | en_GB |
dc.language.iso | ru | |
dc.subject | Прогнозирование выкупа | ru_RU |
dc.subject | слияние моделей | ru_RU |
dc.subject | классификация | ru_RU |
dc.subject | классификационная модель машинного обучения. | ru_RU |
dc.subject | Repurchase prediction | en_GB |
dc.subject | model fusion | en_GB |
dc.subject | classification | en_GB |
dc.subject | machine learning classification model. | en_GB |
dc.title | Consumer Repurchase Behavior Prediction Based on Different Fusion Models | en_GB |
dc.title.alternative | Прогнозирование повторных продаж с помощью диффузных моделей | ru_RU |
Располагается в коллекциях: | MASTER'S STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
Du_Shaohui_Thesis.docx | Article | 2,38 MB | Microsoft Word XML | Просмотреть/Открыть |
reviewSV_Scientific_advisor_reference_Du_Shaohui_Kudryavtsev.pdf | ReviewSV | 115,25 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.