Examensarbete - identifiera köpbeteende med maskininlärning

Sebastian studerar maskininlärning på KTH och är en av våra duktiga examensarbetare. Hans arbete fokuserar på att identifiera vilka kunder som kommer att köpa en viss produkt genom att appliceraolika maskininlärningsmodeller på tillgänglig data.


Som underlag för detta har Sebastian erhållit ett stort dataset på runt två miljoner historiska transaktioner. En viktig del för att kunna utvinna intressant information från den data som är tillgänglig är att förstå sig på vilka variabler som kan komma att vara viktiga för identifieringen av kunders köpbeteende och sedan kodifiera dessa så att modellen kan lära sig den informationen.


Han har sedan fått applicera ett antal olika algoritmer, däribland djupa neurala nätverk, för att träna och jämföra presentandan mellan olika modeller för att till slut kunna dra en slutsats kring vilken modell som presterar bäst.

"Mycket har varit nytt för mig i och med att de tidigare projekt som jag gjort i en skolmiljö har varit väldigt "städade" vilket inte riktigt reflekterar verkligheten. Här har vi fått stöta på ett exempel där kunden har en stor mängd data som innehåller anomalier och "missing data" vilket är vanligt förekommande i många projekt. Att jag nu fått möjligheten att tackla ett sådant problem och fått se vad det innebär att verkligen arbeta med maskininlärning är väldigt kul och har gett mig kunskap som jag kommer ha användning utav i framtiden" - Sebastian
1 visning0 kommentarer